تولید سیب زمینی در ایران بسیار افزایش یافته است. با این حال، در طول ذخیره سازی و جابجایی این محصول مشکلات متعددی وجود دارد و قیمت نهایی سیب زمینی به دست مشتری متناسب با کیفیت آن عرضه نمی¬گردد. در این پایان نامه پردازش بر روی تصاویر سیب زمینی برای تعیین کیفیت سیب زمینی انجام گرفته است. در این تحقیق، یک الگوریتم تشخیص الگو برای ارزیابی کیفیت سیب زمینی به سه کلاس خوب ، متوسط و بد در یک سیستم بینایی ماشین و بر اساس پردازش تصویر پیشنهاد شده است. در الگوریتم پیشنهادی، ابتدا تصاویر سیب زمینی باکیفیت های متفاوت تهیه شد. برای تشخیص سبز بودن سیب زمینی با اعمال الگوریتم خوشه بندی فازی c میانگین بر روی مولفه “a” از تصویر سیب زمینی در فضای رنگی lab، سبز بودن با صحت درستی 100% تشخیص داده شد. سپس سیب زمینی هایی که مناطق سبز آن ها کمتر از 10% تشخیص داده شد، به مرحله بعد برای تعیین کیفیت و اندازه و بدشکل بودن داده شدند. در این مرحله، دو الگوریتم برای تعیین کیفیت سیب زمینی پیشنهاد شده است. در الگوریتم اول برای تعیین شکل و اندازه سیب زمینی، تعداد 13 ویژگی ظاهری از شکل سیب زمینی استخراج گردید و در نهایت کلاسه بندی شکل تصاویر با استفاده از روش کلاس بندی شبکه عصبی mlp صورت گرفت. عملکرد موفقیت این روش 99/96% ارزیابی گردید. در الگوریتم دوم برای تعیین کیفیت ظاهری سیب زمینی با استفاده از فضای رنگی rgb و lab و مقیاس خاکستری، تعداد 1904 ویژگی بافت و رنگ از تصاویر استخراج گردید. سپس به وسیله الگوریتم fs-sfs از این ویژگی ها تعداد 30 ویژگی که اطلاعات کافی برای طبقه¬بندی را دارا بودند، انتخاب شدند. در نهایت کلاسه بندی تصاویر با استفاده از روش کلاس بندی شبکه عصبی mlp صورت گرفت. عملکرد موفقیت این روش 51/97% ارزیابی گردید. در این روش پیشنهادی عیوب ظاهری سیب زمینی شامل فساد، لک، ترک خوردگی، غیریکنواختی، شوره سیاه، کرم خوردگی، آسیب دیدگی، پوسیدگی، بد شکل بودن و اندازه به درستی تشخیص داده شدند. سرعت عملکرد الگوریتم پیشنهادی با توجه به ویژگی های کم انتخاب شده، بسیار بالا می باشد و برای افزایش کیفیت صادرات سیب زمینی بسیار امیدوار کننده است.