El maíz es un cereal y cultivo forrajero de importancia global. El monitoreo preciso de las densidades de siembra de maíz es vital para la toma de decisiones informadas por parte de los gerentes agrícolas. En comparación con los métodos manuales tradicionales para recopilar parámetros de características de cultivos, los enfoques que utilizan sensores remotos de vehículos aéreos no tripulados (UAV) pueden mejorar la eficiencia, minimizar los costos y sesgos de personal y, lo más importante, proporcionar rápidamente mapas de densidad de los campos de maíz. Este estudio involucró los siguientes pasos: (1) Se desarrollaron dos métodos basados en sensores remotos UAV para monitorear las densidades de siembra de maíz. Estos métodos se basan en (a) imágenes de ultra alta definición combinadas con detección de objetos (UHDI-OD) y (b) sensores remotos multiespectrales combinados con aprendizaje automático (Multi-ML) para el monitoreo de las densidades de siembra de maíz. (2) Las mediciones de densidad de siembra de maíz, las imágenes de ultra alta definición de UAV y la recolección de imágenes multiespectrales se implementaron en un sitio de ensayo de mejoramiento de maíz. Se realizaron pruebas experimentales y validación utilizando los métodos propuestos para el monitoreo de densidad de siembra de maíz. (3) Se llevó a cabo un análisis en profundidad de la aplicabilidad y limitaciones de ambos métodos para explorar las ventajas y desventajas de los dos modelos de estimación. El estudio reveló los siguientes hallazgos: (1) UHDI-OD puede proporcionar resultados de estimación altamente precisos para las densidades de maíz (R2 = 0.99, RMSE = 0.09 plantas/m2). (2) Multi-ML proporciona resultados de estimación de densidad de maíz precisos al combinar índices de vegetación de sensores remotos (VIs) y características de textura de matriz de co-ocurrencia de niveles de gris (GLCM) (R2 = 0.76, RMSE = 0.67 plantas/m2). (3) UHDI-OD exhibe una alta sensibilidad a la resolución de la imagen, lo que lo hace inadecuado para su uso con imágenes de sensores remotos UAV con tamaños de píxel mayores a 2 cm. En contraste, Multi-ML es insensible a la resolución de la imagen y la precisión del modelo disminuye gradualmente a medida que disminuye la resolución.