La detección y localización precisas son requisitos previos para la cosecha inteligente, mientras que la estimación del tamaño y peso de frutas son clave para la gestión inteligente de huertos. En huertos comerciales de plátanos, es necesario gestionar el crecimiento y peso de los racimos de plátanos para que puedan ser cosechados a tiempo y preparados para el transporte según sus diferentes niveles de madurez. En este estudio, con el fin de reducir costos de gestión y dependencia de mano de obra, y obtener una estimación de peso no destructiva, proponemos un método para localizar y estimar racimos de plátanos utilizando imágenes RGB-D. Primero, la imagen en color es detectada a través de la red neuronal YOLO-Banana para obtener información bidimensional sobre los racimos de plátanos y tallos. Luego, las coordenadas tridimensionales del punto central del tallo del plátano se calculan según la información de profundidad, y el tamaño del racimo de plátanos se obtiene en base a la información de profundidad del punto central. Finalmente, se presenta la proporción de píxeles efectivos del racimo de plátanos, y se analiza estadísticamente el modelo de estimación de peso del racimo de plátanos. Así, la estimación de peso del racimo de plátanos se obtiene a través del tamaño del racimo y la proporción de píxeles efectivos. El valor R entre el peso estimado y el valor medido real es 0.8947, el RMSE es de 1.4102 kg, y el error de localización promedio del punto central del tallo del plátano es de 22.875 mm. Los resultados muestran que el método propuesto puede proporcionar estimaciones de tamaño y peso de racimos para la gestión inteligente de huertos de plátanos, junto con información de localización para robots recolectores de plátanos.