La implementación de tecnología inteligente en la agricultura se investiga seriamente como una forma de aumentar la producción agrícola mientras se reduce la cantidad de trabajo humano. En agricultura, la tecnología reciente ha visto la utilización de anotación de imágenes utilizando técnicas de aprendizaje profundo. Debido al rápido desarrollo de datos de imagen, la anotación de imágenes ha ganado mucha atención. El uso de aprendizaje profundo en la anotación de imágenes puede extraer características de las imágenes y se ha demostrado que analiza con éxito enormes cantidades de datos. El aprendizaje profundo es un tipo de método de aprendizaje automático inspirado en la estructura del cerebro humano y basado en conceptos de redes neuronales artificiales. A través de fases de entrenamiento que pueden etiquetar una gran cantidad de datos y conectarlos con sus características correspondientes, el aprendizaje profundo puede concluir datos no etiquetados en el procesamiento de imágenes. Para situaciones complicadas y ambiguas, la tecnología de aprendizaje profundo proporciona predicciones precisas. Esta tecnología se esfuerza por mejorar la productividad, calidad y economía y minimizar las tasas de deficiencia en la industria agrícola. Como resultado, este artículo discute la aplicación de la anotación de imágenes en la industria agrícola utilizando varios enfoques de aprendizaje profundo. Se presentan varios tipos de anotaciones que se utilizaron para entrenar las imágenes. Se han revisado publicaciones recientes sobre la base de su aplicación de aprendizaje profundo con la tecnología de avance actual. El reconocimiento de plantas, detección de enfermedades, conteo, clasificación y estimación de rendimiento son algunos de los muchos avances de la arquitectura de aprendizaje profundo empleados en muchas aplicaciones en agricultura que son investigados a fondo. Además, esta revisión ayuda a los investigadores a obtener una comprensión más profunda y futuras aplicaciones del aprendizaje profundo en la agricultura. Según todos los artículos, la técnica de aprendizaje profundo ha creado con éxito una precisión y predicción significativas en el modelo utilizado. Finalmente, se discuten los desafíos existentes y las promesas futuras del aprendizaje profundo en la agricultura.