با توجه به ضرورت تشخیص ارقام مختلف سیب¬زمینی، استفاده از فناوری¬های نوین مطابق با علم روز دنیا ضروری می باشد. از جمله روش های جدید برای تشخیص واریته محصولات کشاورزی استفاده از تکنیک پردازش تصویر در تلفیق با هوش محاسباتی می¬باشد. در این تحقیق به منظور تشخیص ارقام مختلف سیب¬زمینی، سه روش هوش مصنوعی شامل شبکه عصبی مصنوعی (ann)، الگوریتم رقابت استعماری ica))، و سستم استنتاج عصبی- فازی (anfis) و 2 روش آماری k-means و آنالیز تمییز (da) به کمک تکنیک پردازش تصویر مورد استفاده قرار گرفت. از ده رقم سیب زمینی شامل آگریا، آرنوا، دایفلا، ایمپالیا، هرمیس، لیدی رزتا، گرانولا، اسپریت، لاپادیا، مارکز تصاویری تهیه شد و پس از انتقال به نرم¬افزار matlab، 37 ویژگی رنگی، بافتی و شکلی آن استخراج شد. به کمک روش آماری و تجزیه به مولفه های اصلی (pca) 12 ویژگی از 37 ویژگی جهت شناسایی و تفکیک واریته¬ها انتخاب گردید. دقت جداسازی صحیح واریته¬ها برای ارقام فوق از روش da به ترتیب 5/57%، 30%، 40%، 75%، 7/48%، 5/42%، 5/97%، 60%، 60% و 5/27% به دست آمد و دقت کلی 9/53% محاسبه شد. دقت طبقه بندی برای تمام ارقام با روش شبکه عصبی مصنوعی (ann) 100% به دست آمد. دقت طبقه بندی برای روش anfis 94% و برای روش ica 15% به دست آمد. بنابراین در بین روش های هوش مصنوعی، روش ann بهترین دقت طبقه¬بندی را داراست. در بین روش های خوشه بندی، خوشه بندی با ica بهترین نتیجه را ارائه داد.