Este documento trata sobre el diseño de un modelo de recuperación de humedad del suelo con medidas aéreas para el monitoreo remoto del nivel de humedad del suelo en grandes campos de cultivo. Se considera un pequeño vehículo aéreo no tripulado de cuadricóptero (UAV) como plataforma de sensores remotos para obtener imágenes aéreas de alta resolución espacial y operaciones sencillas. Se aplica una combinación de sensores multiespectrales e infrarrojos (IR) para superar los efectos de los dosel que cubren el campo en las mediciones del sensor. Se utiliza una red neuronal convolucional (CNN) para tomar las imágenes de las mediciones directamente como entradas para el modelo de recuperación de humedad del suelo sin pérdida de información. Se abordan los procedimientos para obtener una imagen de entrada correspondiente a un determinado punto de medición del nivel de humedad del suelo, y se sugiere la estructura general del modelo propuesto basado en CNN con descripciones. Se lleva a cabo el entrenamiento y la prueba del modelo propuesto de recuperación de humedad del suelo para verificar y validar su rendimiento y abordar los efectos de los tamaños de imagen de entrada y los errores en las imágenes de entrada. El rendimiento de la estimación del nivel de humedad del suelo disminuye cuando el tamaño de la imagen de entrada aumenta, ya que la proporción del píxel correspondiente al punto para estimar el nivel de humedad del suelo con respecto al número total de píxeles en la imagen de entrada, mientras que el tamaño de la imagen de entrada debe ser lo suficientemente grande para incluir este píxel bajo los errores en las imágenes de entrada. El estudio comparativo muestra que el algoritmo propuesto basado en CNN es ventajoso en el rendimiento de la estimación al mantener la información espacial de los píxeles en las imágenes de entrada.