Neste trabalho, desenvolveu-se um programa computacional para estimar a cobertura do solo, utilizando-se redes neurais (RN) treinadas por retropropagação do erro. Os dados para treinamento das RN foram obtidos de imagens digitais coloridas. Utilizou-se a razão entre a banda do verde e do vermelho para o pré-processamento das amostras de treinamento. Foram testadas cinco RN com arquiteturas 25-n1-n2-2. A arquitetura 25-20-10-2 foi a que apresentou melhor resultado sendo, portanto, utilizada no programa computacional classificador. O classificador apresentou índice de exatidão global de 82,10%, cujo resultado mostra que redes neurais podem ser utilizadas em programas computacionais para separar feições onde a diferença entre a intensidade do brilho não permite a aplicação da técnica da limiarização.

An image classification algorithm was developed to estimate the soil cover based on artificial neural networks (ANN) trained by back-propagation algorithm. The learning data sets were obtained from digital normalized images. Five ANN architectures of the type 25-n1-n2-2 were tested. The architecture 25-20-10-2 presented the best result and therefore, it was used in the image classification program. The classification presented an overall accuracy of 82.10%. This result shows that ANN may be applied for separating features when the pixel brightness does not provide enough information to apply the threshold technique.