در این تحقیق با استفاده از تکنیک های پردازش تصویر و شبکه های عصبی مصنوعی، اقدام به شناسایی آفات پروانه برگ خوار و پسیل برگ پسته شد. تصاویر دیجیتالی از برگ های آفت زده درخت پسته رقم اوحدی تهیه شد و ویژگی های رنگ، بافت، مورفولوژیکی و ترکیبی (بافت – رنگ) از تصاویر استخراج و در تشخیص و طبقه بندی آفات مورد استفاده قرار گرفت. برای دستیابی به بهترین مدل، حالت های مختلف شبکه و ویژگی های مختلف استخراج شده از تصاویر مورد ارزیابی قرار گرفت که بهترین حالت ها عبارت بودند از؛ الف-با استفاده از شش ویژگی رنگی (واریانس، میانه، انحراف معیار، چولگی، کشیدگی و صافی)، شبکه پس انتشار با تابع انتقال لگاریتم سیگموئید با دو لایه پنهان و لایه خروجی با تابع انتقال تانژانت سیگموئید با دقت3 /93% ب-با استفاده از پنج ویژگی بافتی (آنتروپی، کنتراست، همبستگی، انرژی و همگنی)، شبکه پس انتشار با تابع انتقال تانژانت سیگموئید با دو لایه پنهان و لایه خروجی با تابع خطی با دقت 95% ج-با استفاده از پنج ویژگی مورفولوژیکی (سطح، محیط، سطح چند ضلعی محیطی، وسعت، استحکام) و 11 ویژگی ترکیبی (6 ویژگی رنگی و 5 ویژگی بافتی) 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%. نتایج نشان داد تکنیک پردازش تصویر و شبکه های عصبی مصنوعی توانایی بسیار خوبی در تشخیص و طبقه بندی آفات برگ پسته دارند.