تشخیص ارقام محصولات کشاورزی، به منظور خودکار سازی فرآیند های پس از برداشت در اغلب کارخانجات انجام می‌شود که این کار با استفاده از بازرسی دستی و بصری بسیار وقت گیر و خطاپذیر می‌ باشد. 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 سیب‌زمینی با استفاده از این ویژگی‌ها به کمک پردازش تصویر و شبکه‌های عصبی مصنوعی می‌باشد. برای تشخیص ارقام سیب‌زمینی،10 رقم سیب‌زمینی به نام‌های 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 طبقه‌بندی برای ویژگی‌های مورفولوژی 09/88%، برای ویژگی‌های رنگی61/27% و برای ویژگی‌های بافتی(سطح خاکستری سبز) 28/24% برای شبکه یک لایه بدست آمد. همچنین میانگین دقت طبقه‌بندی برای ویژگی‌های مورفولوژی، رنگی و بافتی (سطح خاکستری سبز) برای شبکه دو لایه به ترتیب عبارت بودند از: 19/86%، 04/39% و 57/28%. نتایج نشان داد که پارامتر موثر برای طبقه‌بندی ارقام سیب‌زمینی، ویژگی‌های مورفولوژی می‌ باشد.