علیرغم نقش مهم گیاهان دارویی در سلامت جوامع و نیز تنوع زیستی بوم نظام های طبیعی ، مطالعات اندکی در مورد شناسایی بذر آنها صورت گرفته است. روش های استاندارد زیادی برای کنترل کیفیت بذر مورد استفاده قرار می گیرند که از آن جمله می توان به ماشین بینایی با استفاده از ساختار ظاهری و مورفولوژی بذر، به عنوان فن آوری امید بخشی در راستای شناسایی سریع بذر اشاره کرد. بر این اساس آزمایشی بر پایه شناسایی بذر 75 گونه گیاه دارویی با استفاده از دو خصوصیت مورفولوژیکی aspect ratio ، eccentricity و شش صفت رنگی شامل میانگین های رنگ های سبز، قرمز، آبی، شدت رنگ، طول موج غالب، رنگ اشباع و دو نوع شبکه عصبی rbf و pattern recognation طراحی گردید. نتایج مطالعه حاضر نشان داد که دو ترکیب شامل ترکیب شش صفت رنگی با 99% و 88% دقت و نیز ترکیب یک صفت مورفولوژیک و دو صفت رنگی با 92% و 80% دقت، بالاترین میانگین های آموزش و تست شبکه عصبی را دارا بودند. به نظر می رسد که بالاترین میزان دقت در آموزش شبکه عصبی با استفاده از دو نوع ترکیب فوق الذکر اتفاق می افتد. در اغلب ترکیب های مورد مطالعه گونه-های a. cepa ، a. schoenoprasum l. و a. ampeloprasum persicum متعلق به جنس allium با ماشین بینایی قابل شناسایی نبوده و در اغلب ترکیب ها اسامی این سه گونه به صورت اشتباه یا تحت عنوان unknown شناسایی شدند. بنابراین برای تفکیک و شناسایی بذر آنها مطالعات مولکولی با استفاده از روش بارکد گذاری dna استفاده شد. مناطق بارکد مورد مطالعه عبارت ازndhj ، rpoc1 ، rpob، ycf5 و rbclبودند. نتایج نشان داد که از بین سه گونه مورد مطالعه تنها گونه a. ampeloprasum persicum تفکیک و شناسایی شد و دو گونه a. cepa و a. schoenoprasum l. از یکدیگر تفکیک نشدند. بالاترین درصد توالی یابی مربوط به مکان ژنی ycf5 با 33/93 درصد توالی یابی بود. بالاترین میانگین تنوع بین گونه ای و تنوع درون گونه ای (8/0% و 4/0%) در مکان ژنی ndhj مشاهده شد و این مکان ژنی بالاترین توانایی تفکیک و شناسایی گونه های مورد مطالعه را داشت.