La información sobre las copas de los árboles frutales es importante para la toma de decisiones en la gestión de huertos, incluyendo riego, fertilización, pulverización y poda. Se utilizó un sistema de imagen de vehículo aéreo no tripulado (UAV) para establecer un modelo de nube de puntos tridimensional (3D) del huerto. Se desarrolló un método de detección de fila-columna basado en la estimación de densidad de probabilidad y segmentación rápida de los datos de nube de puntos para cada manzano, a través del cual se determinaron la altura, anchura y volumen de la copa de los árboles para la evaluación remota de la copa del huerto. Cuando la distancia de muestreo en tierra (GSD) estaba en el rango de 2.13 a 6.69 cm/px, el modelo de nube de puntos del huerto tenía una precisión de medición del 100.00% para las filas y del 90.86% al 98.20% para las columnas. El coeficiente de determinación R^2 estaba en el rango de 0.8497 a 0.9376, 0.8103 a 0.9492 y 0.8032 a 0.9148, respectivamente, y el error relativo promedio estaba en el rango de 1.72% a 3.42%, 2.18% a 4.92% y 7.90% a 13.69%, respectivamente, entre los valores medidos manualmente y por fotogrametría UAV. Los resultados mostraron que la imagen visual UAV es adecuada para evaluaciones remotas de copas morfológicas en 3D, facilita la informatización de las copas del huerto y contribuye de manera sustancial a la gestión eficiente y control de huertos estándar modernos.