Las manzanas son una de las frutas más importantes en el mundo. China ha sido el país productor de manzanas más grande. La estimación del rendimiento, la recolección con robots, y la pulverización precisa son procesos importantes para la plantación precisa de manzanas. La segmentación de imágenes es un paso importante en los sistemas de visión artificial para la plantación precisa de manzanas. En este documento, se estudió un algoritmo de segmentación de frutas de manzana aplicado en el huerto. Se evaluó el efecto de muchas características de color en la clasificación de píxeles de frutas de manzana de otros píxeles. Se seleccionaron tres características de color. Estas características de color podían distinguir efectivamente los píxeles de frutas de manzana de otros píxeles. Se utilizó la GLCM (Matriz de Co-ocurrencia de Niveles de Gris) para extraer características de textura. Se encontraron los mejores parámetros de distancia y orientación para la GLCM. Se utilizaron nueve algoritmos de aprendizaje automático para desarrollar clasificadores de píxeles. El clasificador se entrenó con 100 píxeles y se probó con 100 píxeles. La precisión del clasificador basado en Random Forest alcanzó 0.94. Cien imágenes de un huerto de manzanas fueron etiquetadas artificialmente con píxeles de frutas de manzana y otros píxeles. Al mismo tiempo, se utilizó un clasificador para segmentar estas imágenes. Se realizó un análisis de regresión sobre los resultados de la etiquetación artificial y la clasificación del clasificador. Los valores promedio de Af (error de segmentación), FPR (tasa de falsos positivos) y FNR (tasa de falsos negativos) fueron 0.07, 0.13 y 0.15, respectivamente. Este resultado mostró que este algoritmo podía segmentar las frutas de manzana en las imágenes del huerto de manera efectiva. Podría proporcionar una referencia para la gestión precisa de la plantación de manzanas.