Este estudo analisa o impacto dos valores de pixels em diferentes comprimentos de onda na classificação de cinco variedades de cana-de-açúcar, utilizando imagens do Sentinel-2 e técnicas de aprendizado de máquina. Modelos clássicos, como k-NN e Random Forest, foram comparados a arquiteturas de redes neurais artificiais. Os resultados mostram que redes neurais profundas, especialmente com hiperparâmetros otimizados, podem aumentar a precisão da classificação. A abordagem adotada destaca o potencial do sensoriamento remoto combinado com aprendizado de máquina avançado para a identificação automatizada de variedades agrícolas.