Los avances agrícolas han impactado significativamente la vida de las personas y su entorno en los últimos años. La insuficiente comprensión del sistema de producción agrícola en su totalidad y de los métodos convencionales de riego han limitado los rendimientos agrícolas en el pasado. Las innovaciones en teledetección implementadas recientemente en la agricultura han revolucionado drásticamente la eficiencia de producción al ofrecer oportunidades sin precedentes para la recopilación conveniente, versátil y rápida de imágenes de tierras para obtener detalles críticos sobre las condiciones del cultivo. Estas innovaciones han permitido la recopilación automatizada de datos, simulación e interpretación basadas en análisis de cultivos facilitados por técnicas de aprendizaje profundo. Este estudio tiene como objetivo revelar los patrones transformadores del antiguo desarrollo agrario chino y la producción de frutas centrándose en la producción de cultivos principales (de 1980 a 2050) teniendo en cuenta diversas formas de datos de producción de frutas (por ejemplo, manzanas, plátanos, cítricos, peras y uvas). En este estudio, utilizamos datos de producción de diferentes frutas cultivadas en China para predecir la futura producción de estas frutas. El estudio emplea redes neuronales profundas para proyectar la futura producción de frutas basándose en las estadísticas emitidas por la Oficina Nacional de Estadísticas de China sobre el crecimiento total de la producción de frutas para este período. El método propuesto muestra resultados alentadores con una precisión del 95.56% calculada por la fórmula de precisión basada en la variación de la producción de frutas. Los autores también proporcionan recomendaciones sobre el método AGR-DL (aprendizaje profundo agrícola) que puede ser útil para los países en desarrollo. Los resultados sugieren que el desarrollo agrícola en China es aceptable pero requiere más mejoras y el gobierno necesita priorizar la expansión de la producción de frutas estableciendo nuevas estrategias para los cultivadores para mejorar su rendimiento.