El surgimiento de métodos basados en aprendizaje profundo para la recolección y estimación de rendimientos, incluidos métodos de detección de objetos o segmentación de imágenes, ha mejorado notablemente el rendimiento pero también ha resultado en grandes cargas de trabajo de anotación. Considerando la dificultad de dicha anotación, en este estudio se desarrolla un método para localizar frutas utilizando únicamente información de etiquetado de punto central. Para abordar el etiquetado de puntos, se elige la distancia de Hausdorff ponderada como función de pérdida de la red correspondiente, mientras que la agregación de capas profundas (DLA) se utiliza para hacer frente a la variabilidad en el área visible de la fruta. El rendimiento de nuestro método en términos de detección y posición no es inferior al método basado en Mask-RCNN. Se proporcionan experimentos en un conjunto de datos público de manzanas para demostrar aún más el rendimiento del método propuesto. Específicamente, no más de dos objetivos tuvieron desviaciones de posicionamiento que excedieran cinco píxeles dentro del campo de visión.