La visión por computadora está experimentando actualmente éxito en varios dominios debido a la utilización de estrategias de aprendizaje profundo. En el caso de la agricultura de precisión, se está investigando la visión por computadora para detectar frutas en huertos. Sin embargo, dichas estrategias limitan una complejidad computacional demasiado alta que es imposible de incrustar en un dispositivo automatizado. No obstante, la mayoría de las investigaciones sobre la detección de frutas se limitan a una sola fruta, lo que resulta en la necesidad de un sistema de detección de objetos de uno a muchos. Este documento presenta un mecanismo de detección genérico llamado FruitDet, diseñado para ser destacado en la detección de frutas. La arquitectura de FruitDet está diseñada en el pipeline YOLO y logra un mejor rendimiento en la detección de frutas que cualquier otro modelo de detección. El esqueleto del modelo de detección se implementa utilizando la arquitectura DenseNet. Además, FruitDet está equipado con nuevos conceptos: agrupación atenta, agrupación piramidal espacial de cuello de botella y mecanismo de apagón. El mecanismo de detección se evalúa utilizando cinco conjuntos de datos, que combinan un total de ocho clases de frutas diferentes. La arquitectura de FruitDet obtiene un mejor rendimiento que cualquier otro método de detección reconocido en la detección de frutas.