La revisión actual examina el estado del conocimiento y la investigación sobre las aplicaciones del aprendizaje automático (ML) en la producción hortícola y el potencial para predecir las pérdidas y el desperdicio de productos frescos. Recientemente, el ML se ha aplicado cada vez más en la horticultura para operaciones eficientes y precisas. Dado los beneficios para la salud de los productos frescos y la necesidad de seguridad alimentaria y nutricional, la producción hortícola eficiente y la gestión postcosecha son importantes. Esta revisión tiene como objetivo evaluar la aplicación del ML en la horticultura pre-cosecha y post-cosecha y el potencial del ML para reducir las pérdidas y el desperdicio postcosecha al predecir su magnitud, lo cual es crucial para las prácticas de gestión y la formulación de políticas en la reducción de pérdidas y desperdicios. La revisión comienza evaluando la aplicación del ML en la horticultura pre-cosecha. Luego presenta la aplicación del ML en el manejo y procesamiento postcosecha, y por último, las perspectivas para su aplicación en la cuantificación de pérdidas y desperdicios postcosecha. Los hallazgos revelaron que varios algoritmos de ML funcionan satisfactoriamente en tareas de clasificación y predicción. Con base en eso, hay una necesidad de investigar más a fondo la idoneidad de más modelos o una combinación de modelos con un mayor potencial para la clasificación y la predicción. En general, la revisión sugiere posibles direcciones futuras para la investigación relacionada con la aplicación del ML en la cuantificación de pérdidas y desperdicios postcosecha.