Satisfacer la demanda alimentaria de la creciente población requerirá un aumento en la producción de cultivos a pesar de los cambios climáticos y, más particularmente, de episodios de sequía severa. El sorgo es uno de los cereales más adaptados a la sequía que alimenta a millones de personas en todo el mundo. Valorizar su diversidad genética para la mejora de cultivos puede beneficiarse de un fenotipado extensivo. Los métodos actuales para evaluar la biomasa vegetal, el área de las hojas y la altura de las plantas implican muestreos destructivos y no son prácticos en la cría. El fenotipado basado en imágenes de drones es un enfoque poderoso en este contexto. El objetivo de este estudio fue desarrollar y validar un método de fenotipado de alto rendimiento en campo de rasgos de crecimiento de sorgo bajo condiciones de agua contrastadas basado en imágenes de drones. Los experimentos se realizaron en Bambey (Senegal) en 2018 y 2019, para probar la capacidad de las tecnologías de percepción multi-espectral a bordo de una plataforma UAV para calcular varios índices de vegetación para estimar las características de las plantas. En total, se seleccionaron diez (10) variedades contrastadas de la colección de sorgo del oeste africano y se dispusieron en un diseño de bloques completos al azar con tres (3) repeticiones y dos (2) tratamientos de agua (bien regado y estrés por sequía). Este estudio se centró en la biomasa vegetal, el índice de área foliar (LAI) y la altura de la planta que se midieron semanalmente desde la emergencia hasta la madurez. Los vuelos de drones se realizaron justo antes de cada muestreo destructivo y se tomaron imágenes con cámaras multi-espectrales y visibles. Los índices de vegetación derivados de UAV mostraron su capacidad para estimar el LAI y la biomasa en el conjunto de datos de calibración de 2018, en particular: índice de vegetación de diferencia normalizada (NDVI), índice de vegetación transformado corregido (CTVI), segundo índice de vegetación ajustado al suelo modificado (MSAVI2), índice de vegetación de diferencia normalizada verde (GNDVI) y relación simple (SR) (de 0.8 y 0.6 para LAI y biomasa, respectivamente). Los modelos desarrollados se validaron con datos de 2019, mostrando un buen rendimiento (de 0.92 y 0.91 para LAI y biomasa respectivamente). Los resultados también fueron prometedores en cuanto a la estimación de la altura de la planta (RMSE = 9.88 cm). Los gráficos de regresión entre la estimación basada en imágenes y la altura de la planta medida mostraron un de 0.83. Los resultados de validación fueron similares entre los tratamientos de agua. Este estudio es la primera aplicación exitosa de imágenes basadas en drones para el fenotipado del crecimiento y desarrollo del sorgo en un contexto del oeste africano caracterizado por la ocurrencia de sequías severas. El enfoque desarrollado podría utilizarse como una herramienta de apoyo a la toma de decisiones para programas de cría y como una herramienta para aumentar la capacidad de caracterización de la diversidad genética del sorgo para rasgos adaptativos.