Desde sempre, o cultivo do café sofre drasticamente com pragas sazonais nocivas ao desenvolvimento agrícola, pois levam à redução da produção e, consequentemente, dos lucros obtidos. Para mitigar as perdas, é importante identificar e controlar as pragas. O controle depende diretamente da identificação do tipo de praga, uma vez que é a partir dela que o manuseio é feito. Essa identificação é realizada visualmente, baseando-se nas características de cada praga. A característica é própria da espécie e difere de uma para outra. O processo de reconhecimento é realizado por profissionais especializados, acarretando assim uma concentração do conhecimento necessário e a consequente dependência do especialista. A proposta deste projeto é apresentar uma maneira de classificar pragas por meio de aprendizado de máquina, onde um sistema computacional, a partir de conhecimento adquirido através de uma base de dados já previamente classificada, aprenderá a identificar, através de imagens, cada tipo de praga. Atualmente, as redes neurais convolucionais (CNN - Convolutional Neural Networks) são os modelos de aprendizado de máquina mais adequados para o reconhecimento de imagens. Assim, foram testadas diferentes configurações de CNN para classificar o tipo de praga que está atacando a planta em questão. As pragas Leucoptera coffeella e Oligonychus ilicis foram escolhidas para serem classificadas, uma vez que são muito comuns no estado do Espírito Santo, local onde foram realizados os estudos.