Varios materiales han sido caracterizados utilizando sensores proximales, pero aún se han realizado esfuerzos incipientes en tejidos vegetales. El cultivo de spp. en Brasil abarca aproximadamente 7.47 millones de hectáreas, lo que requiere métodos más rápidos para evaluar el estado nutricional de las plantas. Este estudio aplica espectrometría de fluorescencia de rayos X portátil (pXRF) para (i) distinguir clones utilizando datos pXRF preprocesados; y (ii) predecir los contenidos de once nutrientes en las hojas (B, Ca, Cu, Fe, K, Mg, Mn, N, P, S y Zn) con el objetivo de acelerar el diagnóstico de deficiencia de nutrientes. Se recolectaron novecientas veinte muestras de hojas, se secaron en horno, se molieron y se analizaron utilizando digestión ácida (método convencional) y pXRF. Se entrenaron seis algoritmos de aprendizaje automático con el 70% de los datos pXRF para modelar los resultados convencionales y el 30% restante se utilizó para validar los modelos utilizando el error cuadrático medio (RMSE) y el coeficiente de determinación (R). El análisis de componentes principales distinguió claramente las etapas de desarrollo basadas en los datos pXRF. Nueve nutrientes fueron predichos con precisión, incluyendo N (no detectado utilizando espectrometría pXRF). Los resultados para B y Mg fueron menos satisfactorios. Este método puede acelerar sustancialmente la toma de decisiones y reducir costos para el análisis foliar, constituyendo un enfoque ecológico que debería ser probado para otros cultivos.