Este artigo considera duas abordagens para utilização de Redes Neurais Artificiais perante o problema de classificação automática de patologias foliares do café a partir de uma base de dados realística disponível na literatura. Os resultados obtidos através de experimentos computacionais demonstraram a eficácia e eficiência das arquiteturas oriundas da abordagem baseada em Deep Learning, na qual o modelo ShuffleNet obteve F1-Score médio igual a 99,88%, desempenho equiparável ao estado da arte, mas com significativamente menos parâmetros e exposto a menos exemplos, o que enseja sua viabilidade prática enquanto contribuição para Agricultura Digital.