در این تحقیق جهت شناسایی آفات پروانه برگ خوار و پسیل پسته رقم اوحدی با استفاده از روش ماشین بینایی و شبکه های عصبی مصنوعی، ابتدا تصاویر دیجیتالی از برگ های آفت زده تهیه شد و سپس ویژگی های رنگ، بافت، مورفولوژیکی و ترکیبی (بافت – رنگ) از تصاویر استخراج شد و در تشخیص و طبقه بندی برگ ها از نظر نوع و میزان آلودگی به آفات مورد استفاده قرار گرفت. پس از آزمون انواع مختلف شبکه های عصبی مصنوعی، در حالت استفاده از شش ویژگی رنگی شبکه پس انتشار با تابع انتقال لگاریتم سیگموئید با دو لایه پنهان و لایه خروجی با تابع انتقال تانژانت سیگموئید با دقت 3/93% و در حالت استفاده از پنج ویژگی بافتی، شبکه پس انتشار با تابع انتقال تانژانت سیگموئید با دو لایه پنهان و لایه خروجی با تابع خطی با دقت 95% به عنوان مناسب ترین شبکه جهت شناسایی و طبقه بندی آفات مورد نظر انتخاب شدند. همچنین در حالت استفاده از پنج ویژگی مورفولوژیکی و 11 ویژگی ترکیبی (بافت – رنگ) با شبکه پس انتشار، با تعداد دو لایه پنهان و تابع انتقال تانژانت سیگموئید و لایه خروجی خطی به ترتیب با دقت 7/86% و 3/98% مناسب ترین شبکه جهت شناسایی و طبقه بندی آفات بودند. نتایج این پژوهش نشان داد که تکنیک پردازش تصویر و شبکه های عصبی مصنوعی توانایی تشخیص و طبقه بندی آفات برگ پسته با دقت بسیار خوبی را دارد.
