O presente projeto consiste em um método autônomo para identificar pragas e doenças em plantações de alfaces, por meio de uma Inteligência Artificial. Atualmente, os agrotóxicos são aplicados de forma geral e uniforme nas lavouras, com uma quantidade excessiva do veneno. Porém, apesar de sua importância, eles trazem inúmeros problemas para a sociedade. Segundo a Organização Mundial da Saúde (OMS), cerca de 193 mil pessoas no mundo perdem a vida todos os anos por exposição a substâncias químicas nocivas, além de serem registradas 20 mil mortes por ano, devido o consumo de agrotóxicos. Sendo assim, o projeto tem como objetivo criar um sistema capaz de identificar os vegetais doentes em uma plantação e, consequentemente, restringir a aplicação de agrotóxicos em alfaces não saudáveis. Para isso, foi desenvolvida uma rede neural convolucional, com um conjunto de dados próprio. As fotos foram coletadas em artigos científicos e em banco de dados disponíveis na internet. Além disso, foram plantadas alfaces nas residências dos membros do projeto e, também, foram visitadas duas lavouras particulares, para que fosse possível expandir o conjunto de fotos das hortaliças. O conjunto de dados foi dividido em duas classes: saudáveis e doentes, e teve, no total, cerca de 300 imagens. Foi criado um protótipo, cuja função é realizar autonomamente a identificação das alfaces, por meio da rede neural desenvolvida, e lançar água através de uma motobomba, simulando a aplicação do agrotóxico nas plantas doentes. A comprovação da eficácia foi realizada por meio de testes em modelos-pilotos, com mudas de alfaces e fotos da planta, diferentes das que foram selecionadas para o treinamento da rede. O estudo foi realizado com alfaces por conta do fácil acesso, da praticidade da amostra e pelo rápido crescimento da hortaliça. Com os resultados da presente pesquisa, sugere-se que o projeto possa ser adaptado para outros tipos de plantas, como, por exemplo, soja e arroz, ou, também, identificar problemas mais específicos, além de doentes e saudáveis. Após implementado o modelo escolhido ao protótipo, obteve-se um resultado positivo e satisfatório, com um sistema capaz de identificar autonomamente as alfaces com 80% de precisão.