El rápido desarrollo de la inteligencia artificial y las tecnologías de sensores remotos es indispensable para la agricultura moderna. En entornos de huertos, desafíos como las condiciones de luz variables y el sombreado complican las tareas de los robots inteligentes de recolección. Para mejorar la precisión y eficiencia de reconocimiento de los robots recolectores de manzanas, este estudio tuvo como objetivo lograr una alta precisión de detección en entornos de huertos complejos mientras se reduce la computación del modelo y el tiempo de consumo. Este estudio utilizó la red neuronal CenterNet como marco de detección, introduciendo mapas de descomposición vertical de espacio de color RGB centrado en gris y empleando convoluciones agrupadas y convoluciones separables en profundidad para diseñar una red de extracción de características liviana, Light-Weight Net, compuesta por ocho estructuras de cuello de botella. Basándose en los resultados de reconocimiento, las coordenadas 3D del punto de recolección fueron determinadas dentro del sistema de coordenadas de la cámara utilizando la relación de transformación entre el sistema de coordenadas físicas de la imagen y el sistema de coordenadas de la cámara, junto con la información de distancia del mapa de profundidad del mapa de profundidad. Los resultados experimentales obtenidos utilizando un banco de pruebas con un robot recolector de huertos indicaron que el modelo propuesto logró una precisión promedio (AP) del 96.80% en el conjunto de pruebas, con un rendimiento en tiempo real de 18.91 cuadros por segundo (FPS) y un tamaño de modelo de solo 17.56 MB. Además, el error cuadrático medio de la precisión de posicionamiento en la prueba de huertos fue de 4.405 mm, satisfaciendo los requisitos de posicionamiento de alta precisión del sistema de visión del robot recolector en entornos de huertos complejos.