La segmentación de las ramas del árbol de jujube y la estimación de los ángulos de inclinación de las ramas primarias (IAs) son cruciales para lograr una poda inteligente. Este estudio presenta un algoritmo de estimación de IA de ramas primarias para árboles de jujube basado en una red PointNet++ mejorada. En primer lugar, se utilizan escáneres láser terrestres (TLS) para adquirir nubes de puntos de árboles de jujube, seguido de un preprocesamiento para construir un conjunto de datos de nubes de puntos que contienen árboles de jujube con forma de centro abierto (OCS) y forma de tronco principal (MTS). Posteriormente, se integra el módulo de convolución gráfica de Chebyshev (CGCM) en PointNet++ para mejorar su capacidad de extracción de características, y se optimiza el algoritmo DBSCAN para realizar la segmentación de instancias de nubes de puntos de ramas primarias. Finalmente, se utiliza el algoritmo de eje de simetría rotacional generalizado (ROSA) para extraer el esqueleto de las ramas primarias, a partir del cual se estiman las IAs utilizando análisis de componentes principales ponderado (PCA) con ajuste de ventana dinámico. Los resultados experimentales muestran que en comparación con PointNet++, la red mejorada logró aumentos del 1.3, 1.47 y 3.33% en precisión (Acc), precisión promedio de clase (CAA) y media de intersección sobre unión (mIoU), respectivamente. Los coeficientes de correlación entre las IAs de las ramas primarias y sus valores estimados para los árboles de jujube OCS y MTS fueron de 0.958 y 0.935, con errores cuadráticos medios de 2.38 grados y 4.94 grados, respectivamente. En resumen, el método propuesto logra una segmentación precisa de las ramas primarias del árbol de jujube y la medición de las IAs, proporcionando una base para una poda inteligente.