Ідентифікація сортів сільськогосподарських культур є важливою складовою у процесі селекції, реєстрації, виробництва й торгівлі насінням та посівним  матеріалом. Традиційний підхід до ідентифікації нових сортів рослин передбачає спостереження і опис морфологічних ознак вегетативних і генеративних органів рослини  під час польових та лабораторних досліджень, що проводяться за методиками кваліфікаційної експертизи на відмінність, однорідність та стабільність (ВОС). Складовими елементами, які використовують процесі ідентифікації сорту, є:

1. Методична база проведення кваліфікаційної експертизи.
2. Інформаційна база результатів кваліфікаційної експертизи.
3. Математико-статистичні методи та інструментальні засоби, які застосовують під час оброблення результатних даних  кваліфікаційної експертизи на ВОС.

Міжнародною базою методичного забезпечення ВОС є технічні документи UPOV, зокрема TGP/7/3. У відповідності до цього документа розробляються національні адаптовані методичні вказівки та рекомендації. Це  забезпечує систему контролю якості методології проведення ідентифікації сорту рослини.

Важливою складовою процесу ідентифікації нового сорту є порівняння його зі схожими сортами які становлять загальновідому колекцію сортів (еталонну колекцію). Зауважимо, що суть терміну «загальновідомий» розкрито у в документі TGP / 3 UPOV.

Інформаційну базу для ідентифікації сорту складають міжнародні та національні бази даних сортів, які підтримують ряд країн та організацій. Ці дані доступні для широкого кола користувачів. База даних сортів рослин UPOV (https://www.upov.int/genie/index.xhtml) є найбільшою базою у світі та відображає дані у режимі  онлайн. В базі даних Українського інституту експертизи сортів рослин зберігаються дані щодо 46 391 сорту рослин 664 ботанічних таксонів. Перелік сортів можна переглянути за допомогою он-лайн інформаційно-пошукової системи «Реєстр сортів», яка доступна за посиланням http://service.ukragroexpert.com.ua.

Математико-статистичний апарат, який служить цілям пошуку схожих сортів відноситься до методів інтелектуального аналізу даних, Більш традиційним інструментальним засобом класифікації даних є метод ієрархічної агломератної кластеризації. Застосування кластерного аналізу під час дослідження морфологічний характеристик сортів рослин дозволяє зменшити розмірність вибірки даних, що у свою чергу сприяє більш точній ідентифікації нових сортів. Кластерний аналіз, зазвичай, проводять у такій послідовності: формують вибірки об’єктів для кластеризації (набір морфологічних ознак у випадку експертизи ВОС); визначають множину змінних, за якими будуть оцінюватися об'єкти у вибірці.

Інший метод класифікації – це машинне навчання. Його ще називають “здатністю програмного алгоритму робити висновки, на підставі певного набору даних”. Головною особливістю цього метода є те, що  комп'ютерна програма, яка реалізує цей метод, вчиться з власного досвіду. У контексті кваліфікаційної експертизи сортів рослин на ВОС таким набором даних є сукупність морфологічних ознак сортів рослин й складається з таких категорій даних:

– сорти рослин, що були внесені до Державного реєстру сортів рослин, придатних для поширення в Україні. Дані цієї категорії можуть використовуватися як навчальна вибірка.

‒ нові сорти, на які подано заявки на внесення до Реєстру.

Одним з алгоритмів машинного навчання є алгоритм К-найближчих сусідів (KNN алгоритм), який передбачає, що вже існує певна кількість об'єктів з точною класифікацією. В контексті кваліфікаційної експертизи – це набір схожих загальновідомих  сортів рослин, які вже було занесено до Державного реєстру сортів рослин, придатних для поширення в Україні.

Враховуючи великомасштабний характер ботанічної морфометрії автоматизація пошуку схожих сортів рослин є необхідністю. Автоматизована класифікація  сортів рослин за їх морфологічними ознаками безперечно знижує трудомісткість процесу пошуку схожих сортів й сприяє більш точній класифікації нового сорту. Однак, потрібно розуміти, що рослини є  надзвичайно різноманітні за формою, розміром і кольором, тому жоден метод не є панацеєю для рішення задачі ідентифікації сортів рослин.