Los rápidos avances en las técnicas de aprendizaje profundo (DL) han hecho posible detectar y reconocer objetos en imágenes. Los enfoques de DL han ingresado recientemente en diversas aplicaciones agrícolas y ganaderas después de ser empleados con éxito en varios campos. La identificación automática de enfermedades de plantas puede ayudar a los agricultores a gestionar sus cultivos de manera más efectiva, lo que resulta en mayores rendimientos. La detección de enfermedades de plantas en cultivos utilizando imágenes es una tarea intrínsecamente difícil. Además de su detección, la identificación de especies individuales es necesaria para aplicar métodos de control personalizados. Se realizó una encuesta sobre iniciativas de investigación que utilizan redes neuronales convolucionales (CNN), un tipo de DL, para abordar diversas preocupaciones de detección de enfermedades de plantas. En este trabajo, hemos revisado 100 de los artículos de CNN más relevantes sobre la detección de diversas enfermedades de hojas de plantas en los últimos cinco años. Además, identificamos y resumimos varios problemas y soluciones correspondientes a las CNN utilizadas en la detección de enfermedades de hojas de plantas. Además, las redes neuronales convolucionales profundas (DCNN) entrenadas en datos de imágenes fueron el método más efectivo para la detección temprana de enfermedades. Expresamos los beneficios y desventajas de utilizar CNN en la agricultura, y discutimos la dirección de los futuros desarrollos en la detección de enfermedades de plantas.