El equipo automatizado de recolección de frutas tiene el potencial de mejorar significativamente la eficiencia de la recolección. La detección y localización precisas de las frutas son particularmente cruciales en este sentido. Sin embargo, los métodos actuales dependen de herramientas costosas como cámaras de profundidad y LiDAR. Este estudio propone un método de bajo costo basado en imágenes monoculares para lograr la detección de objetivos y la estimación de profundidad.