La agricultura inteligente es esencial para aumentar la producción de cultivos, y es necesario considerar los avances tecnológicos de esta era; la tecnología moderna nos ha ayudado a obtener mayor precisión en la fertilización, riego y aplicación de pesticidas en los cultivos, así como en la monitorización de las condiciones del entorno. Hoy en día, se están desarrollando sensores cada vez más sofisticados, pero a gran escala, las redes agrícolas y su gestión eficiente son cruciales para obtener los beneficios adecuados de la tecnología. Nuestra idea es lograr la sostenibilidad en las granjas a gran escala mejorando la comunicación entre los nodos de sensores inalámbricos y las estaciones base. Queremos aumentar la eficiencia de la comunicación mediante la introducción de algoritmos de aprendizaje automático. El aprendizaje por refuerzo es el área del aprendizaje automático que se preocupa por cómo los agentes involucrados deben tomar medidas en entornos específicos para maximizar la recompensa y lograr un objetivo común. En nuestra red, se están desplegando un gran número de sensores en campos a gran escala; se utiliza el aprendizaje por refuerzo para encontrar el conjunto óptimo de rutas hacia la estación base. Después de desarrollar un número de rutas exitosas, estas se utilizan para transmitir los datos captados desde los campos. Los resultados de la simulación han mostrado que, a escalas mayores, nuestro modelo propuesto tuvo menos retraso de transmisión que el modelo de transmisión de la ruta más corta y las técnicas de difusión que se probaron contra las rutas de transmisión de datos desarrolladas por el aprendizaje por refuerzo.