Los árboles frutales en huertos suelen colocarse a distancias iguales en filas; por lo tanto, sus ramas están entrelazadas. La segmentación precisa de un árbol objetivo en esta situación es muy importante para muchas tareas agrícolas, como la estimación de rendimiento, la fenotipificación, la pulverización y la poda. Sin embargo, nuestra encuesta sobre la segmentación de árboles reveló que ningún estudio ha abordado explícitamente esta situación de entrelazamiento. Este documento presenta un nuevo conjunto de datos en el que una región precisa del árbol está etiquetada cuidadosamente por un anotador humano delineando las ramas y el tronco de un manzano objetivo. Debido a que los métodos tradicionales de segmentación de imágenes basados en reglas descuidan consideraciones semánticas, empleamos modelos de aprendizaje profundo de vanguardia. Cinco modelos de aprendizaje profundo preentrenados recientemente para segmentación fueron modificados para adaptarse a la segmentación de árboles y se ajustaron utilizando nuestro conjunto de datos. Los resultados experimentales muestran que YOLOv8 produce la mejor precisión promedio (AP), 93.7 box AP@0.5:0.95 y 84.2 mask AP@0.5:0.95. Creemos que nuestro modelo puede aplicarse con éxito a diversas tareas agrícolas.