Contar árboles es una práctica importante en plantaciones para inventarios de activos biológicos, etc. La aplicación de la agricultura de precisión en el conteo de árboles de palma aceitera se puede implementar mediante la detección de árboles de palma aceitera en imágenes aéreas. Esta investigación utiliza el enfoque de aprendizaje profundo utilizando YOLOv3, YOLOv4 y YOLOv5m para detectar árboles de palma aceitera. El conjunto de datos consiste en imágenes de drones de una plantación de palma aceitera adquiridas utilizando un dron de ala fija VTOL con una resolución de 5 cm/píxel, cubriendo un área de 730 ha etiquetada con una clase de palma aceitera de 56,614 etiquetas. El conjunto de datos de prueba cubre un área de 180 ha con condiciones llanas y montañosas con dosel disperso, denso y superpuesto y árboles de palma aceitera que se intersecan con otras vegetaciones. La prueba del modelo utilizando imágenes de 24 regiones, cada una cubriendo 12 ha con hasta 1000 árboles (para un total de 17,343 árboles de palma aceitera), arrojó puntuaciones F1 del 97.28%, 97.74% y 94.94%, con un tiempo de detección promedio de 43 s, 45 s y 21 s para modelos entrenados con YOLOv3, YOLOv4 y YOLOv5m, respectivamente. Este resultado muestra que el método es suficientemente preciso y eficiente en la detección de árboles de palma aceitera y tiene el potencial de ser implementado en aplicaciones comerciales para empresas de plantaciones.