تجزیه و تحلیل داده های گیاهی به منظور دستیابی به اطلاعات مهم و دانش حیاتی موجودات زنده، یکی از مباحث مطرح در زمینه بیوانفورماتیک می باشد که حجم زیادی از این داده ها متعلق به رده گیاهان از موجودات زنده است . اما دو مشکل اساسی در مسیر انجام تحقیقات بر روی گیاهان وجود دارد : اول حجم زیاد داده های گیاهی است که این مسئله نیازمند طراحی الگوریتم های کارآمد و سریع ( گاهی موازی ) جهت تجزیه و تحلیل داده هاست . مسئله دیگر پیچیدگی بررسی ساختار کوچک گیاهان می باشد، از اینرو جمع آوری اطلاعات و تجزیه وتحلیل آنها بسیار سخت به نظر می رسد . برای حل این مسائل، متدهای گرافیکی به منظور نمایش رشد فیزیولوژیکی گیاهان طراحی شده و توسعه یافته اند . توسعه ی این متدهای جدید روند مطالعات برروی گیاهان را دگرگون ساخت به طوریکه پردازش تصویر با تجزیه و تحلیل این اطلاعات گرافیکی توانست حجم زیادی از جزئیات و اطلاعات ژنتیکی را استخراج نماید .
به منظور ادراک ساختار پیچیده گیاهان، موضوعات متنوع تحقیقاتی بر روی ساختار آنها به وجود آمد که مسئله تشخیص گونه های گیاهان به وسیله تجزیه و تحلیل این ساختار پیچیده یکی از موضوعات تحقیقاتی است . این مقاله متدی برای دسته بندی گونه های گیاهان به کمک
شبکه های عصبی ارائه نموده است . این متد به دسته بندی و طبقه بندی گونه های گیاه
Arabidopsis از طریق بررسی و تحلیل مراحل رشد آن می پردازد .Arabidopsisبه بیش از 1000 گونه طبیعی و مصنوعی ( ترکیبی یا آزمایشگاهی ) تقسیم می شود و ما با استفاده از
شبکه های عصبی ابزاری برای پردازش تصویر، سه گونه مطرح گیاه؛ DRM ١ ، MDR٢ و WILD TYPE ا رائه می دهیم