روش های سنتی ارزیابی حسی در تعیین کیفیت مواد غذایی کاربرد زیادی دارند،ولی این روش ها زمان بر وپرهزینه هستند.به علاوه نتیجه ی عملکرد این روش ها نیز قابل تضمین نبوده وکنترل کیفیت یکنواخت وپایدار محصولات غذایی با این روش ها امکان پذیر نیست.این عوامل سبب ایجاد انگیزه برای توسعه روش های جایگزین مانند پردازش گردید.که در مقابل روش های سنتی،سیستم های بینایی کامپیوتری،کارآمد ومقرون به صرفه بوده ونیز نتایج با ثبات وپایداری ارائه می دهند.در این پژوهش طبقه بندی مغز گردو با استفاده از پردازش رنگی تصویر،در فضای RGB وشبکه عصبی مصنوعی در دو مرحله آموزش وتست صورت گرفت.120 نمونه مغز گردو در این تحقیق مورد بررسی قرار گرفت که با توجه به شش شاخص در 4 گروه شامل خیلی روشن،روشن،کهریایی ،تیره طبقه بندی شدند.میزان دقت طبقه بندی صورت گرفته توسط شبکه عصبی مصنوعی با استفاده از فیلتر ماکزیمم به بیش از 95% رسید.
