سیب زمینی یکی از محصولات مهم زراعی و استراتژیک ایران است که می تواند به یکی از محصولات صادراتی ایران تبدیل شود. درجه بندی اتوماتیک یکی از مهم ترین اقدامات در جهت بالا بردن کیفیت این محصولات است که تاثیری مستقیم بر بازار پسندی این محصول و رضایت مشتری دارد. در درجه بندی سیب زمینی بر اساس استاندارد آمریکایی پارامترهای زیادی دخالت دارندکه مهم ترین آنها درصد بیماری های سطحی است که درجه محصول را مشخص می کند. در این تحقیق از سیستم تطبیقی عصبی- فازی (anfis) برای تشخیص سیب زمینی های بیمار در فرآیند درجه بندی اتوماتیک استفاده گردید این سیستم که ترکیبی از شبکه های عصبی و سیستم های فازی است برای بیماری های مورد نظر آموزش داده شد و با تشخیص و شناسایی سیب زمینی های بیمار در فرآیند درجه بندی اتوماتیک، آنها را برای استخراج در صد نواحی معیوب وتعیین درجه مربوطه به الگوریتم ترکیبی خوشه بندی تفریقی با خوشه بندی میانگین فازی ارسال نمود و عملیات پردازش و استخراج درصد نواحی معیوب روی آنها انجام گرفت. روش های مختلف پردازش تصویر اعم از روش های بخش بندی نظارت شده همچون روش های بخش بندی ناحیه گرا و روش های نظارت نشده همچون روش های خوشه بندی میانگین دقیق(k- means) و میانگین فازی(fuzzy c- means) برای پردازش تصاویر مربوط به 6 نوع بیماری سیب زمینی مورد بررسی قرار گرفت . از روش های ناحیه گرا، بخش بندی به روش فاصله ماهالانوبیس در فضای رنگی hsi دقت بالاتری نسبت به روش های ناحیه گرای دیگر دارد و از آن برای کارهای آزمایشگاهی که استخراج ناحیه خاصی از تصویر مورد نظر باشد می تواند مورد استفاده قرار گیرد. روش خوشه بندی دقیق برای استخراج نواحی معیوب که دقیقاً بیمار هستند مناسب می باشد اما با استفاده از روش خوشه بندی فازی علاوه بر نواحی معیوب، نواحی ای که مستعد بیماری بوده و رنگی متفاوت از نواحی سالم دارند را نیز می توان استخراج نمود که برای اهداف انبارداری محصول مناسب می باشد. با تلفیق روش خوشه بندی تفریقی با خوشه بندی فازی روشی کاملاً نظارت نشده به دست آمد که برای پردازش تصاویر سیب زمینی در فرآیند درجه بندی اتوماتیک مورد استفاده قرار گرفت. از الگوریتم های دیگر پردازش تصویر برای استخراج ویژگی های مربوط به اقطار سیب زمینی و استخراج 22 ویژگی مربوط به تصویر سیب زمینی استفاده گردید.