Esta pesquisa teve como objetivo desenvolver modelos computacionais para predição do teor de clorofila (chl) na cultura do arroz irrigado utilizando imagens aéreas do espectro de cores visível e redes neurais artificiais (rna). através do dispositivo clorofilog, foram realizadas medições dos níveis de chl nas folhas das plantas do arroz e coletado imagens aéreas por uma câmera digital rgb portátil, embarcada em um veículo aéreo não tripulado (vant). as imagens foram coletadas com a aeronave em movimento com velocidade de 2 m/s a uma altura de 50 m do solo. utilizando processamento digital de imagens (pdi), foram extraídos e gerados 42 índices espectrais. eles foram selecionados e correlacionados com os níveis e chl medidos. os índices espectrais foram atribuídos como entrada e as medições de chl como saída para os modelos de predição. por se tratar de um problema de regressão não linear, optou-se em solucioná-lo através de rnas. foi utilizada a técnica de seleção de características (índices espectrais) por seleção de filtro, selecionando entre os 42 índices espectrais, apenas aqueles com maiores níveis de correlações com os valores de chl medidos. desta forma, quatro modelo de rnas do tipo multi layer perceptron (mlp) foram gerados com diferentes configurações. o modelo da rna 1 foi obtido com 5 entradas, 5 neurônios na camada oculta e desempenho médio de r²=0,80. a rna 2 foi obtido com 16 entradas, 10 neurônios na camada oculta e desempenho médio de r²=0,7395. a rna 3 foi gerada a partir da rna 2 contendo 9 entradas, 10 neurônios na camada oculta e desempenho médio de r²=0,7775. o quarto modelo representado pela rna 4 foi gerado a partir da rna 3 contendo com 5 entradas, 10 neurônios na camada oculta e desempenho médio de r²=0,799. as rnas 1 e 4 obtiveram os melhores resultados e demonstraram que atingiram aos objetivos desta pesquisa. desta forma evidencia-se a utilidade destes modelos de predição como ferramentas de auxílio à rizicultura. conclui-se que a rna 1 obteve o melhor desempenho geral e pode fornecer novas perspectivas na forma de estimar os níveis chl de forma indireta e rápida em grandes áreas.