La detección remota destaca como una de las operaciones más ampliamente utilizadas en el campo. En esta área de investigación, los UAV ofrecen cobertura total de grandes áreas de cultivo en pocos minutos y proporcionan imágenes ortomosaico con información valiosa basada en cámaras multiespectrales. Especialmente para los huertos, es útil aislar cada árbol y luego calcular los índices de vegetación preferidos por separado. Por lo tanto, la detección de árboles y la extracción de coronas es otra área de investigación importante en el ámbito de la Agricultura Inteligente. En este trabajo, proponemos un método innovador de detección de árboles basado en aprendizaje automático, diseñado para aislar cada árbol individual en un huerto. Primero, evaluamos la efectividad de los algoritmos de detección de objetos Detectron2 y YOLOv8 en la identificación de árboles individuales y la generación de máscaras correspondientes. Ambos algoritmos arrojan resultados satisfactorios en la detección de cerezos, con el mejor F1-Score de hasta 94.85%. En la segunda etapa, aplicamos un método basado en umbral de OTSU para mejorar las máscaras proporcionadas y cubrir precisamente las copas de los árboles detectados. El método propuesto logra un 85.30% en IoU, mientras que Detectron2 ofrece un 79.83% y YOLOv8 tiene un 75.36%. Nuestro trabajo utiliza árboles de cerezo, pero es fácil de aplicar a cualquier otra especie de árbol. Creemos que nuestro enfoque será un factor clave para habilitar el monitoreo de la salud de cada árbol individual.