Este estudio propone un detector de objetos para árboles de manzana como un primer paso en el desarrollo de gemelos digitales agrícolas. Se creó un conjunto de datos original de imágenes de huertos y se utilizó para entrenar los modelos Single Shot MultiBox Detector (SSD) y You Only Look Once (YOLO). El rendimiento se evaluó utilizando la Precisión Promedio (mAP). YOLO superó significativamente a SSD, logrando un mAP del 91.3% en comparación con el 46.7% de SSD. Los resultados indican que la columna vertebral Darknet-53 de YOLO extrae características más complejas adecuadas para la detección de árboles. Este trabajo demuestra el potencial del aprendizaje profundo para la recolección automatizada de datos en aplicaciones de agricultura inteligente.