É notório o aumento do uso de Redes Convolucionais Profundas em diversas aplicações. Estas Redes vêm sendo usadas em larga escala para identificação, classificação e segmentação de objetos em imagens, o que é aplicado na agricultura, em carros autônomos, em sistemas de vigilância, entre outros. Neste trabalho, é apresentado o resultado da segmentação semântica de pixels entre solo, planta e espécies invasisvas, em um cultivo de cana-de-acúcar, realizado por duas redes convolucionais: SegNet e UNet. É mostrado a diferença entre elas em relação á sua arquitetura e algumas características e, com isso, o que difere no resultado final. O resultado da segmentação pode ser usado posteriormente no mapeamento e detalhamento das classes na área de cultivo e se torna peçaa chave para contribuir com a melhoria do plantio.
Apesar da dificuldade de se criar um bom dataset e realizar o ground truth das
imagens, mostra-se que a técnica gera bons resultados e por isso vem sendo
cada vez mais adotada.