A cafeicultura é atividade de fundamental importância na região Sul do estado de Minas Gerais, no Brasil, e técnicas de estimativa da área plantada, visando previsões de safra confiáveis, estão sendo intensamente pesquisadas. Este estudo apresenta uma aplicação de Redes Neurais Artificiais (RNA) para a classificação automática de dados de sensoriamento remoto, com o objetivo de identificar áreas cafeeiras na região de Três Pontas, Sul de Minas Gerais. Um fator complicador é a alta similaridade do padrão espectral do café com áreas de mata nativa. Foram criadas máscaras na drenagem e na área urbana. O resultado da classificação feita pela RNA foi superior aos resultados encontrados na literatura, com um índice kappa de 69%.
Coffee production is an activity of fundamental importance in the southern region of Minas Gerais state in Brazil and techniques for estimating the planted area, in order to establish reliable yield estimates, are being widely investigated. This study presents an application of Artificial Neural Networks (ANN) to automatically classify remote sensing data to identify coffee crops in Tres Pontas, South region of Minas Gerais. A complicating factor is the high similarity of the spectral patterns of coffee and areas of native forest. Masks were created to filter out drainage and urban areas. The result of the ANN classification was superior to the results found in the literature using automatic classifiers based on the multilayer perceptron model of artificial neural network . The kappa index of the map classified by ANN was 69%.
