In this work, a perceptron neural network model for automatic forest fire detection based on satellite images is proposed. The model is aimed to be used at the region of La Araucanía in Chile. For this study, a set of 33 NOAA/16-AVHRR images corresponding to the 2004 forest fire season was used. The proposed classification method is based on a single layer perceptron neural network. The classification method uses the values of the five corresponding bands of each pixel of the satellite image as inputs plus the computed gradient of the infrared number 3 band of the satellite image. Both for the training stage and for the validation stage as well, statistical data were provided by the Chilean National Forest Corporation (CONAF). For the validation stage, forest fires as small as fifteen hectares in size were detected with 100% of accuracy, and a 50% of accuracy were obtained for forest fires as small as ten hectares.El presente trabajo propone un modelo de red neuronal perceptron que utilizó datos de imágenes satelitales para detección automática de fuegos forestales. El modelo fue concebido para operar en la Región de La Araucanía, Chile. Para este estudio se utilizó un conjunto de 33 imágenes NOAA/16-AVHRR, correspondientes a las temporadas de incendios del año 2004. El método propuesto utilizó redes neuronales de tipo perceptron monocapa para el análisis de la imagen píxel a píxel. Las entradas a la red correspondieron a los valores del píxel en cada una de las cinco bandas del sensor satelital, más información del gradiente de temperatura en la banda infrarroja número 3. Tanto para el entrenamiento como para la validación se utilizó como salida información estadística de CONAF. En la etapa de validación se obtuvieron detecciones de fuegos de 15 ha con un 100% de efectividad, mientras con fuegos de 10 ha se obtuvo un 50% de efectividad, sin la presencia de nubes para ambas situaciones.