چکیده: در میان گیاهان زراعی، گندم با دارا بودن مواد غذایی با ارزش مانند انواع پروتئین ها، ویتامین ها و مواد معدنی، حدود 25% کالری غذایی مردم جهان را تأمین می نماید. به همین جهت، تأمین سلامت آن از اهمیت بالایی برخوردار است. بیماری f.graminearum زیرمجموعه ای از بلایت فوزاریومی سنبله گندم یا fhb می باشد که عموماً تحت عنوان اسکب نامیده می شود. f.graminearum از بیماری های مخرب در مناطق گرم و مرطوب کشت گندم در جهان و ایران است. این بیماری نه تنها باعث از دست رفتن کیفیت و راندمان محصول می گردد، بلکه با ایجاد زهرابه های قارچی، عوارض خطرناکی را برای انسان و حیوانات به دنبال دارد. تشخیص این بیماری به کار آزمایشگاهی و صرف زمان و هزینه بالا نیاز دارد. امروزه، استفاده از پردازش تصویر و سیستم های بینایی ماشین در تشخیص آفات و بیماری های گیاهی، باعث غلبه بر مشکلات در روش های قبلی و بهبود آن ها شده است. پردازش تصاویر از روش های غیرمخرب، دقیق و سریع برای محاسبه و تشخیص و مقایسه ی خصوصیات با همدیگر است. در این پایان نامه، ابتدا دانه های گندم سالم و آلوده به قارچ فوزاریوم تهیه شده و سپس تصاویر دیجیتالی هر گروه به صورت توده های درهم و تصادفی با استفاده از دوربین و محفظه ی مخصوص نورپردازی تهیه شدند. سپس با استفاده از تکنیک های پردازش تصویر، در مجموع 40 ویژگی رنگ، شکل و بافت از تصویر هر دانه به دست آمد. تمامی پردازش ها با نرم افزار matlab انجام شد. جداسازی و تشخیص دانه های سالم و آلوده با استفاده از 40 ویژگی به دست آمده از تصاویر دانه ها، با تحلیل های تشخیصی (da)، k-means، شبکه ی عصبی چند لایه (mlp) و ماشین بردار پشتیبان (svm) بررسی شد. طبقه بندی دانه ها با هرکدام از روش های فوق به صورت جداگانه برای ویژگی های رنگی، شکلی، بافتی و همه ی ویژگی ها انجام پذیرفت. در طبقه بندی بر اساس همه ی ویژگی ها، با استفاده از تحلیل مولفه های اصلی (pca)، 26 مولفه از 40 مولفه انتخاب شد. دقت صحیح جداسازی دانه ها براساس 26 مولفه ی اصلی با تحلیل های تشخیصی، k-means، شبکه های عصبی سه لایه و ماشین بردار پشتیبان غیرخطی به ترتیب 8/99%، 99/85%، 100% و 100% محاسبه شد. کلید واژه ها: قارچ فوزاریوم، پردازش تصویر، طبقه بندی، تحلیل تشخیصی، تحلیل k-means، شبکه ی عصبی چندلایه، ماشین بردار پشتیبان