La detección precisa de racimos de tomates cherry y sus etapas de madurez es crítica para el desarrollo de sistemas de cosecha inteligentes en la agricultura moderna. En respuesta a los desafíos planteados por la oclusión, los racimos superpuestos y las sutiles variaciones de madurez en entornos complejos de invernadero, se propone en este artículo un modelo de detección basado en una red neuronal convolucional profunda mejorada, llamada AFBF-YOLO. Primero, se construyó y aumentó un conjunto de datos que comprende 486 imágenes RGB y más de 150,000 instancias anotadas, cubriendo cuatro etapas de madurez y racimos de frutas. Luego, basado en YOLO11, se incorporó el mecanismo de atención ACmix para fortalecer la representación de características en condiciones de oclusión y desorden. Además, se diseñó una nueva estructura de cuello, FreqFusion-BiFPN, para mejorar la fusión de características multiescala a través de un filtrado consciente de la frecuencia. Finalmente, se aplicó una función de pérdida refinada, Inner-Focaler-IoU, para mejorar la localización de cuadros delimitadores al enfatizar la superposición de la región interna y centrarse en muestras difíciles. Los resultados experimentales muestran que AFBF-YOLO logra una precisión del 81.2%, una recuperación del 81.3% y un mAP@0.5 del 85.6%, superando a múltiples series principales de YOLO. La alta precisión en las etapas de madurez y la baja complejidad computacional indican que sobresale en la detección simultánea de racimos de frutas de tomate cherry y la madurez de la fruta, apoyando la evaluación automatizada de la madurez y la cosecha robótica en la agricultura de precisión.