El objetivo de esta tesis es utilizar técnicas de aprendizaje profundo para desarrollar un modelo capaz de distinguir entre suelo crudo, árboles de naranja, árboles de mandarina y árboles de toronja. Estos cultivos son obtenidos por medio de sensado remoto satelital, a través de imágenes multiespectrales capturadas por la plataforma satelital GeoSat-2. La extracción y selección de características juega un papel importante en el desempeño del modelo. La importancia de este trabajo recae en poder clasificar si cierto píxel presente en una imagen satelital corresponde a algún tipo de cultivo (naranja, mandarina o toronja) o bien, se clasifica como suelo crudo. Además, al poder clasificar píxeles de manera correcta, se podrá hacer la clasificación de campos de cultivo completos.