La estimación del estado de maduración en huertos ayuda a mejorar los procesos post-cosecha. La recolección de frutas basada en su etapa de madurez puede reducir el costo de almacenamiento y aumentar los resultados en el mercado. Además, las imágenes aéreas y la madurez estimada se pueden utilizar como indicadores para detectar el estrés hídrico y determinar el agua aplicada durante el riego. Además, también pueden estar relacionados con el coeficiente de cultivo () de las necesidades estacionales de agua. El propósito de esta investigación es desarrollar un nuevo algoritmo de visión por computadora para detectar las frutas existentes en imágenes aéreas de un cultivar de manzana (de la variedad Red Delicious) y estimar su etapa de madurez entre cuatro posibles clases: verde, medio maduro, maduro y demasiado maduro. El método propuesto se basa en una combinación de las características de color más efectivas y un clasificador basado en redes neuronales artificiales optimizado con algoritmos genéticos. Los resultados obtenidos indican una precisión promedio de clasificación del 97.88%, sobre un conjunto de datos de 8390 imágenes y 27,687 manzanas, y valores del área bajo la curva ROC (característica operativa del receptor) cercanos o por encima de 0.99 para todas las clases. Creemos que este es un rendimiento notable que permite una estimación adecuada no intrusiva de la maduración que ayudará a mejorar las estrategias de cosecha.