Recientemente, la investigación en agricultura inteligente basada en inteligencia artificial (IA) se ha aplicado ampliamente en el campo de la agricultura para mejorar el cultivo y la gestión de cultivos. La predicción del tiempo de cosecha (tiempo para la cosecha) de los cultivos es importante en la agricultura inteligente para resolver problemas como la planificación del calendario de producción de cultivos y la optimización del rendimiento y la calidad. Esto ayuda a los agricultores a planificar de manera más eficiente su mano de obra y recursos. En este documento, nuestra preocupación es predecir el tiempo para la cosecha (es decir, el tiempo de supervivencia) de los tomates en una granja inteligente. Para ello, es necesario desarrollar un enfoque de modelado de aprendizaje profundo que tenga en cuenta el efecto de la granja en las plantas de tomate, ya que cada granja tiene múltiples sujetos de plantas de tomate y los resultados en la misma granja pueden estar correlacionados. En este documento, proponemos modelos de supervivencia de redes neuronales profundas (DNN) para tener en cuenta el efecto de la granja como un efecto fijo utilizando codificación one-hot. Los datos de tomate utilizados en nuestro estudio se recopilaron semanalmente utilizando Internet de las cosas (IoT). Comparamos el rendimiento predictivo de nuestro método propuesto con el de los métodos de modelado de supervivencia DNN y estadísticos existentes. Los resultados muestran que nuestro método DNN propuesto supera a los métodos existentes en términos del error cuadrático medio (RMSE), índice de concordancia (C-index) y puntaje Brier.