Durante décadas, la evaluación de la madurez de la fruta en el campo ha sido un desafío para productores, investigadores y agencias de suministro de alimentos. Conocer la etapa de maduración de la fruta es significativo para la producción precisa, la cosecha y el manejo postcosecha. Un requisito previo es detectar y clasificar frutas de diferentes madureces del entorno de fondo. Recientemente, la tecnología de aprendizaje profundo se ha convertido en un método ampliamente utilizado para la detección inteligente de frutas, debido a que tiene una mayor precisión, confiabilidad y velocidad de procesamiento más rápida en comparación con los métodos tradicionales de procesamiento de imágenes. Al mismo tiempo, los enfoques de imágenes espectrales pueden predecir la etapa de madurez mediante la adquisición y análisis de los datos espectrales de muestras de frutas. Estos métodos de detección de madurez prestan más atención a las especies, como manzana, cereza, fresa y mango, logrando un valor de precisión promedio de 98,7% en frutas de manzana. Esta revisión proporciona una descripción general de las metodologías más recientes desarrolladas para la estimación de la madurez de la fruta en el campo. Se investigaron y analizaron sistemáticamente los principios básicos y los resultados de investigación representativos asociados con las ventajas y desventajas de estas técnicas. Se discutieron desafíos, como factores ambientales (condición de iluminación, oclusión, superposición, etc.), escasez de conjuntos de datos de frutas, costos de cálculo y hardware. Se resumieron y demostraron las futuras direcciones de investigación en términos de aplicaciones y técnicas.