Para la medición del rendimiento de un huerto de manzanos o la cosecha mecánica de manzanas, es necesario identificar con precisión la manzana objetivo. Sin embargo, en una escena natural, afectada por la postura de crecimiento de la manzana y la posición de la cámara, hay muchos tipos de imágenes de manzanas, como manzanas superpuestas; sombras mutuas o hojas; tallos; etc. Es un desafío localizar con precisión las manzanas superpuestas. Influenciarán el tiempo de posicionamiento y la eficiencia de reconocimiento y luego afectarán la eficiencia de la cosecha de manzanas por robots recolectores de manzanas o la precisión de la medición del rendimiento del huerto. En respuesta a este problema, se propone un método de posicionamiento de círculo superpuesto basado en máximos locales. Primero, la imagen de la manzana se transforma al espacio de color Lab y se segmenta mediante el algoritmo de -means. En segundo lugar, se implementan algunos procesos morfológicos, como erosión y dilatación, para abstraer el contorno de las manzanas. Luego, los puntos de la imagen se dividen en puntos centrales; puntos de borde; o puntos externos. En tercer lugar, se utiliza un algoritmo rápido para calcular la distancia mínima de cada punto interno al borde. Luego, los centros de las manzanas se obtienen encontrando los máximos entre estas distancias. Por último, los radios se adquieren al averiguar la distancia mínima entre el centro y el borde. Así, se logra el posicionamiento. Los resultados experimentales mostraron que este método puede localizar con precisión y rapidez las manzanas superpuestas cuando el contorno de la manzana era completo; y esto tiene cierta practicidad.