A produção de maçãs na Serra Catarinense enfrenta desafios devido a tempestades de granizo, impulsionando a adoção de redes plásticas de proteção. Este trabalho objetivou aplicar uma metodologia de sensoriamento remoto baseada em imagens de alta resolução espacial do satélite CBERS-4A e inteligência artificial para o mapeamento automatizado de pomares com telas antigranizo. Utilizou-se o sensor WPM com fusão de imagens (pansharpening) para gerar produtos com 2 metros de resolução espacial nas classes: pomar sem tela, tela branca e tela preta. A segmentação semântica pixel a pixel foi conduzida pela arquitetura U-Net acoplada ao codificador ResNet-18, inicializado com pesos pré-treinados do ImageNet via transfer learning, além de validação por verdade de campo. Os resultados revelaram que, dos 12.198 ha de pomares da região, 2.335 ha utilizam telas antigranizo, representando uma taxa de adoção regional de 19,14%. São Joaquim lidera em área absoluta (1.805 ha), enquanto Urupema apresenta a maior cobertura proporcional (40,48%). A abordagem baseada em Aprendizado Profundo demonstrou alta precisão na extração de feições geométricas complexas, consolidando-se como ferramenta viável para o monitoramento em larga escala e suporte à tomada de decisões na agricultura digital.
Avenida República do Líbano, 251 - Pina, Recife - PE - CEP: 51110-160