شبکه های عصبی سلولی (cnn ) قبلا برای بسیاری از کاربردهای پردازش تصویر و تشخیص الگو استفاده می شده است. شبکه عصبی سلولی یک عنصر بسیار موثر در کاربردهای پردازش تصویر می باشد . با این وجود در هر مرحله ای از پردازش تصویر وتشخیص الگو با استفاده ازشبکه عصبی سلولی خیلی پارامترهای نامشخص و گنگ وجود دارد. تئوری سیستم های فازی با استفاده از قوانین ریاضی این نامشخصی ها و گنگی ها را مرتفع می کند. تئوری سیستم فازی در cnn ترکیب شده است تا یک شیوه جدید در پردازش تصویر و تشخیص الگو به وجود آید که در این شیوه شبکه های عصبی سلولی با استفاده از قوانین فازی کار می کنند. cnn فازی ابزار قدرتمندی برای مسائل پردازش تصویر محسوب می شود. در این پایان نامه ما نوعی خاصی از شبکه fcnn را که سلول های تشکیل دهنده آن موسوم به fcnn multiplicative type 2 هستند را مورد بررسی قرار داده و سلولی بهینه شده و جدید ارائه کردیم و این سلول جدید را در قالب شبکه ایی آزمایشی به کار بردیم. برای پیاده سازی سخت افزاری از تکنولوژیum 0.35 cmosو منبع 3.3 ولت استفاده کردیم. سلول بهینه شده دارای ضرب کننده و ماکزیمم گیر و مینیمم گیر جدید با تعداد ترانزیستور و تاخیر کمتری می باشد. نتایج بدست آمده از کل شبکه و سلول نشان از صحت عملکرد مدارت طراحی شده دارد.