Estimar el contenido calórico de las frutas es fundamental para el control del peso y el mantenimiento de la salud en general, así como para ayudar a las personas a tomar decisiones dietéticas informadas. Un conocimiento preciso del contenido calórico de las frutas ayuda a elaborar planes de nutrición personalizados y a prevenir la obesidad y los problemas de salud asociados. En este documento, investigamos la aplicación de modelos de aprendizaje profundo para estimar el contenido calórico de las frutas a partir de imágenes digitales, con el objetivo de proporcionar un método más eficiente y preciso para el análisis nutricional. Creamos un conjunto de datos que comprende imágenes de varias frutas y empleamos técnicas de aumento de datos aleatorios durante el entrenamiento para mejorar la robustez del modelo. Utilizamos el modelo RT-DETR integrado en el marco de ultralytics para la implementación y realizamos experimentos comparativos con YOLOv10 en el conjunto de datos. Nuestros resultados muestran que el modelo RT-DETR logró una tasa de precisión del 99.01% y un mAP50-95 del 94.45% en la detección de frutas a partir de imágenes digitales, superando a YOLOv10 en términos de curvas de confianza F1, curvas P-R, precisión y mAP. En conclusión, en este documento, utilizamos una arquitectura de transformador para detectar frutas y estimar su contenido calórico y nutricional. Los resultados de los experimentos proporcionan una referencia técnica para monitorear de manera más precisa la ingesta dietética de un individuo al estimar el contenido calórico de las frutas.