La estimación precisa de rendimiento de manzanas es esencial para la gestión efectiva de huertos, la planificación de mercados y garantizar los ingresos de los productores. Sin embargo, las complejas condiciones del huerto, como la oclusión de follaje denso y la superposición de frutas, presentan desafíos para la estimación de rendimiento a gran escala. Este estudio presenta APYOLO, un algoritmo mejorado de detección de manzanas basado en una versión mejorada de YOLOv11, integrado con el algoritmo de seguimiento DeepSORT para mejorar tanto la precisión de detección como la velocidad operativa. APYOLO incorpora un mecanismo de atención de canal multiescala (MSCA) y una función de pérdida de intersección sobre unión de distribución previa multiescala mejorada (EnMPDIoU) para mejorar la localización y reconocimiento de objetivos en entornos complejos. Los resultados experimentales demuestran que APYOLO supera al YOLOv11 original al mejorar mAP@0.5, mAP@0.5-0.95, precisión y recall en un 2,2%, 2,1%, 0,8% y 2,3%, respectivamente. Además, la combinación de un ID único con la estrategia de región de línea (ROL) en DeepSORT aumenta aún más la precisión de la estimación de rendimiento al 84,45%, superando el rendimiento del método de ID único solo. Este estudio proporciona un sistema más preciso y eficiente para la estimación de rendimiento de manzanas, ofreciendo un sólido soporte técnico para una gestión de huertos inteligente y refinada.