En el entorno natural actual, debido a la complejidad del fondo y la alta similitud del color entre los tomates verdes inmaduros y la planta, la oclusión de los órganos clave (flor y fruto) por las hojas y tallos conducirá a tasas de reconocimiento bajas y generalizaciones pobres del modelo de detección. Por lo tanto, en este documento se ha propuesto un método mejorado de detección de órganos de tomate basado en la red neuronal convolucional (CNN). Basado en el algoritmo original Faster R-CNN, se utilizó Resnet-50 con bloques residuales para reemplazar la red de extracción de características vgg16 tradicional, y se utilizó un método de clustering K-means para ajustar tamaños de anclaje más apropiados que la configuración manual, para mejorar la precisión de detección. Los resultados de las pruebas mostraron que la precisión media promedio (mAP) se mejoró significativamente en comparación con el modelo tradicional Faster R-CNN. El modelo de entrenamiento puede ser trasladado al sistema integrado, lo que sienta una base teórica para el desarrollo de un sistema de aplicación de pesticidas de apuntado preciso y un dispositivo de recolección automática.