تشخیص ارقام محصولات کشاورزی، به منظور خودکار سازی فرآیندهای پس از برداشت در اغلب کارخانجات انجام می¬شود که این کار با استفاده از بازرسی دستی و بصری بسیار وقت گیر و دارای خطا می¬باشد. در نتیجه تکنولوژی ماشین بینایی به عنوان روشی جدید و غیر مخرب می¬تواند برای استخراج ویژگی¬های مورفولوژی، رنگ و بافت به کار برده شود. هدف از انجام این پژوهش شناسایی ارقام سیب زمینی با استفاده از این ویژگی¬ها به کمک پردازش تصویر و شبکه¬های عصبی مصنوعی می¬باشد. برای تشخیص ارقام سیب زمینی ده رقم سیب زمینی به نام¬های آگریا، مارفونا، جلی، آرندا، راموس، بامبا، سانتا، گرانولا، اسپریت و میلوا تهیه شدند. در نهایت 16 ویژگی مورفولوژی، 24 ویژگی رنگی و120 ویژگی بافتی از این تصاویر استخراج شد. شناسایی ارقام با استفاده از شبکه عصبی پس انتشار انجام گرفت. نتایج بدست آمده از این پژوهش نشان داد که میانگین دقت طبقه بندی برای ویژگی¬های مورفولوژی 88/09% ، برای ویژگی¬های رنگی27/61% و برای ویژگی¬های بافتی(سطح خاکستری سبز) 24/28% برای شبکه یک لایه بدست آمد. همچنین میانگین دقت طبقه¬بندی برای ویژگی¬های مورفولوژی، رنگی و بافتی (سطح خاکستری سبز) برای شبکه دو لایه به ترتیب عبارت بودند از: 86/19%، 39/04%، 28/57%. نتایج نشان داد که پارامتر موثر برای طبقه بندی ارقام سیب زمینی ویژگی¬های مورفولوژی می باشد.