El objetivo de este estudio fue proporcionar una visión general exhaustiva de los avances recientes en el uso del aprendizaje profundo (DL) en el sector agrícola. El autor realizó una revisión de estudios publicados entre 2016 y 2022 para resaltar las diversas aplicaciones de DL en la agricultura, que incluyen el conteo de frutas, gestión del agua, manejo de cultivos, manejo del suelo, detección de malezas, clasificación de semillas, predicción de rendimiento, detección de enfermedades y cosecha. El autor encontró que la capacidad de DL para aprender de grandes conjuntos de datos tiene un gran potencial para la transformación de la industria agrícola, pero existen desafíos, como la dificultad de recopilar conjuntos de datos, el costo de la potencia computacional y la escasez de expertos en DL. El autor tuvo como objetivo abordar estos desafíos presentando su estudio como un recurso para futuras investigaciones y desarrollo en cuanto al uso de DL en la agricultura.