En los últimos años, la predicción de rendimientos de cultivos se ha convertido en un tema de investigación destacado en el campo de la ciencia agrícola, desempeñando un papel decisivo en el desarrollo económico de cada país. Por lo tanto, la predicción precisa y oportuna de los rendimientos de los cultivos es de gran importancia para la formulación nacional de políticas económicas relevantes y proporciona una base razonable para la toma de decisiones agrícolas. Los resultados obtenidos a través de la predicción pueden observar selectivamente el impacto de factores como los ciclos de crecimiento de los cultivos, los cambios en el suelo y la distribución de las lluvias en los rendimientos de los cultivos, lo cual es crucial para predecir los rendimientos de los cultivos. Aunque los métodos tradicionales de aprendizaje automático pueden obtener un valor estimado del rendimiento de los cultivos y reflejar en cierta medida el estado actual de crecimiento de los cultivos, su precisión de predicción es relativamente baja, con desviaciones significativas de los rendimientos reales, y no logran obtener resultados satisfactorios. Para abordar estos problemas, después de una investigación exhaustiva sobre el desarrollo y estado actual de la predicción de rendimientos de cultivos, y un análisis comparativo de las ventajas y problemas de los algoritmos de predicción de rendimientos nacionales y extranjeros, este documento resume los métodos de predicción de rendimientos de cultivos basados en el aprendizaje profundo. Esto incluye analizar y resumir los principales modelos de predicción existentes, analizar los métodos de predicción para diferentes cultivos y, finalmente, proporcionar puntos de vista y sugerencias relevantes sobre la dirección futura de desarrollo de la aplicación del aprendizaje profundo a la investigación de predicción de rendimientos de cultivos.