En este documento, se comparan las capacidades de clasificación de los perceptrones y las redes neuronales radiales utilizando la identificación de plagas seleccionadas que se alimentan en huertos de manzanos en Polonia como ejemplo. El objetivo del estudio fue la separación neuronal de cinco plagas seleccionadas de huertos de manzanos. La clasificación se basó en información gráfica codificada como características seleccionadas de las plagas, presentadas en imágenes digitales. En el documento, se comparan modelos de clasificación neuronal MLP (Perceptrones Multicapa), RBF (Función de Base Radial) y DNN (Redes Neuronales Profundas), generados utilizando archivos de aprendizaje adquiridos en base a la información contenida en fotografías digitales de cinco plagas seleccionadas. Para clasificar las plagas, se utilizaron métodos de modelado neuronal, incluidas técnicas de análisis de imágenes digitales. El análisis cualitativo de los modelos neuronales permitió la selección de la topología de neuronas óptima que se caracterizaba por la mayor capacidad de clasificación. Como características gráficas representativas se seleccionaron cinco coeficientes de forma seleccionados y dos características gráficas definidas de los objetos clasificados. El modelo de neurona creado está dedicado como núcleo para sistemas informáticos que respaldan los procesos de toma de decisiones que ocurren durante la producción de manzanas, especialmente en el contexto de la automatización de la protección contra plagas en huertos de manzanos.