La teledetección es importante para la agricultura de precisión y la resolución espacial proporcionada por los Vehículos Aéreos No Tripulados (VANT) está revolucionando los flujos de trabajo de la agricultura de precisión para medir el estado de los cultivos y los rendimientos a lo largo de la temporada de crecimiento, para identificar y monitorear malezas y otras aplicaciones. El monitoreo de árboles individuales para el crecimiento, la producción de frutas y la ocurrencia de plagas y enfermedades sigue siendo una alta prioridad de investigación y la delimitación de cada árbol utilizando medios automatizados como una alternativa a la delimitación manual sería útil para la gestión agrícola a largo plazo. En este artículo, detectamos árboles de cítricos y otros cultivos a partir de imágenes de VANT utilizando un simple algoritmo de red neuronal convolucional (CNN), seguido de un refinamiento de clasificación utilizando superpíxeles derivados de un algoritmo de Agrupamiento Lineal Simple Iterativo (SLIC). El flujo de trabajo funcionó bien en un entorno agrícola relativamente complejo (múltiples objetivos, árboles de diferentes tamaños y edades, etc.) logrando una alta precisión (precisión general = 96.24%, Precisión (valor predictivo positivo) = 94.59%, Recall (sensibilidad) = 97.94%). Hasta donde sabemos, esta es la primera vez que se utiliza una CNN con imágenes multiespectrales de VANT para centrarse en los árboles de cítricos. Se necesitan más de estos casos individuales para desarrollar flujos de trabajo automatizados estándar que ayuden a los gerentes agrícolas a incorporar mejor grandes volúmenes de imágenes de VANT de alta resolución en las operaciones de gestión agrícola.