گیاهان از پرکاربردترین منابع برای انسان ها در زمینه های مختلف محسوب می شوند، لذا تمایز بین گونه های گیاهی امری مهم بوده و از آن به عنوان سیستم تشخیص گیاه یاد می شود. تاکنون این وظیفه توسط گیاه شناسان خبره صورت می گرفت که امری طاقت فرسا و زمانبر در کنار نقصان حافظه و خطای انسانی محسوب می شد لذا محققان کوشیدند با استفاده از الگوریتم های هوش مصنوعی معایب مذکور را رفع نمایند. از آنجا که بررسی های گیاه شناسی، برگ گیاه را برای تشخیص نوع گونه کافی و لازم می داند، می توان فقط با تصویر برداری از برگ و سپس استخراج مشخصه مناسب به نتایج دلخواه دست یافت. در حالت کلی مشخصه های مفید یک برگ در سه دسته جداگانه قرار می گیرند. دسته اول مشخصات عمومی برگ شامل ابعاد برگ، اندازه حفره و یا مساحت برگ، دسته دوم مشخصات محلی شامل بافت یا ساختار رگبرگ ها و در نهایت دسته سوم حاوی ویژگیهای دندانه برگ می باشد. موارد فوق در مقالات مختلف آزموده شده است ولی کارایی آنها محدود به فرضیات مقاله، برای گونه های خاص و در شرایط کاملا ایده آل می باشد. لذا در این پژوهش، علاوه بر تعریف مشخصه های مفید در هر دسته، پیشنهاد می گردد که مشخصه های سه دسته فوق ترکیب شده و سیستمی برای تشخیص شمار زیادی از گونه های گیاهی ارائه دهیم. لازم بذکر است که در این پژوهش 6 مشخصه محلی مبتنی بر بافت توسط محاسبات کاملا ریاضی استخراج می شود که بایستی آنها را بر روی قطعه میانی از برگ (بدون وجود رگبرگ اصلی و دندانه) اعمال نمود. برای دسته عمومی نیز 4 مشخصه که برگرفته از مقالات اخیر سایر محققین بوده اند محاسبه می گردد و برای دسته دندانه برگ نیز روشی کاملا بدیع با استفاده از تبدیل موجک ارائه شده است که به استخراج 4 مشخصه دیگر ختم خواهد شد. در مجموع بردار مشخصه حاوی 14 عنصر تشکیل خواهد شد که با استفاده از الگوریتم k-نزدیکترین همسایه آنها را دسته بندی می نماییم. نتایج به دست آمده گواه عملکرد صحیح برای شمار زیادی از گونه ها و در شرایط مختلف نظیر آفت، تغییر فصول و نورپردازی می باشد.