O avanço tecnológico na computação permitiu que maiores processamentos fossem realizados em chips cada vez menores, viabilizando a aplicação de teorias antes limitadas pela capacidade de processamento. Implementações de tecnologias informacionais baseadas em inteligência artificial ganharam destaque na academia e no setor empresarial, oferecendo soluções eficazes para diversos problemas, incluindo a classificação de imagens digitais. Este trabalho foca na classificação de documentos de identificação brasileiros, especificamente o Registro Geral (RG) e a Carteira Nacional de Habilitação (CNH). Três modelos de redes neurais foram implementados, uma rede neural densa (DNN), uma rede neural convolucional simples (simpleCNN) e uma rede neural convolucional aprimorada (enhancedCNN). Os modelos foram treinados e testados utilizando datasets específicos, como o BID Dataset e o UBID Dataset, que contêm imagens diversificadas de documentos. A metodologia incluiu o pré-processamento dos dados, técnicas de aumento de dados (data augmentation) e a anonimização de informações sensíveis. O pré-processamento envolveu transformações com algoritmos de programação e ajustes manuais. As técnicas de data augmentation aplicaram variações de rotação, espelhamento, translação, ajuste de brilho e contraste, e adição de ruído para aumentar a robustez do dataset. Os resultados demonstraram a eficácia dos modelos implementados na classificação de documentos de identificação, comparando os desempenhos de cada abordagem. O estudo conclui que as redes neurais convolucionais, especialmente a enhancedCNN, apresentaram melhor desempenho na tarefa de classificação.