یکی از کاربرد های تکنیک پردازش تصویر و بینایی ماشین در حوزه ی کشاورزی، شناسایی طیف وسیعی از ارقام مختلف محصولات زراعی و باغی می باشد. در این تحقیق با تلفیق روش های پردازش تصویر و شبکه های عصبی مصنوعی (ann)، اقدام به شناسایی ده واریته ی سیب زمینی شد. این ده گروه واریته عبارتند بودند از: آگریا، ساولان، فلوریدا، فونتانه، ناتاشا، ورونا، کارسو، الودی، ساتینا و امراد. تمامی پردازش ها توسط نرم افزار matlab انجام گرفت. با توجه به پارامتر های شناسایی شامل شاخصه های رنگ، بافت و شکل، در مجموع تعداد 38 ویژگی برای هر رقم به دست آمد. به کمک روش آماری تجزیه به مولفه های اصلی (pca) تعداد 16 مولفه از کل 38 مولفه جهت شناسایی و تفکیک واریته های سیب زمینی انتخاب گردید. با استفاده از تحلیل تمییزی (discriminating analysis)که یک کلاسیفایر خطی می باشد و نیز شبکه عصبی، داده های حاصل از تحلیل تصویر تحت عمل طبقه بندی قرار گرفتند.دقت جدا سازی صحیح واریته ها برای ارقام فوق با استفاده از روش da به ترتیب برابر 3/73، 3/93، 3/73، 40، 3/73،3/73، 7/66، 80، 40 و 3/53 درصد و دقت کلی جدا سازی برابر7/66 درصد به دست آمد. اما با استفاده از کلاسیفایر شبکه عصبی، دقت طبقه بندی برای تمامی واریته ها، 100 درصد و نرخ طبقه بندی صحیح (ccr) نیز برابر 100 درصد حاصل شد. نتایج به دست آمده، نشانگر تشخیص واریته های سیب زمینی به کمک تکنیک پردازش تصویر و شبکه عصبی مصنوعی می باشد.