قابلیت تشخیص رنگ، بافت و شکل در فناوری پردازش تصویر منجر به توسعه سامانه های ماشین بینایی در حوزه های مختلف کشاورزی، صنایع تبدیلی و صنعت شده است. وجود دانه های با ظاهر نامناسب و ناخالصی ها در نخود و تأثیر مستقیم کیفیت ظاهری محصول بر بازپسندی آن، ضرورت درجه بندی این محصول را نشان می دهد. هدف از تحقیق حاضر تشخیص نخود با ظاهر نامناسب و ناخالصی از نخود با ظاهر مناسب با توسعه یک سامانه ماشین بینایی می باشد. تعداد 270 تصویر شامل تصویر 54 نمونه نخود با ظاهر مناسب و 36 نمونه از هر کدام از انواع نخود با ظاهر نامناسب )چروکیده، سبز رنگ، قهوه ای رنگ و لپه( و مواد خارجی )سنگ و ساقه( تهیه گردید. پس از تهیه تصاویر نمونه ها، با استفاده از یک الگوریتم پردازش تصویر، مراحل پیش پردازش و استخراج ویژگی به صورت خودکار انجام شده و ویژگی های مختلف رنگ، بافت و شکل استخراج گردید. الگوریتمی برای انتخاب ویژگی های کارا از بین ویژگی های استخراجی توسعه یافت. ویژگی های کارا توسط روش شبکه عصبی مصنوعی با دقت کلی 9 / 91 % طبقه بندی شدند. دقت تشخیص نمونه های نخود مطلوب، چروکیده، لپه، نارس، قهوه ای و ناخالصی های ساقه و سنگ، به ترتیب برابر 1 / 98 ، 3 / 83 ، 0 / 100 ، 7 / 91 ، 2 / 97 ، 8 / 77 و 2 / 97 % بود. با استفاده از سامانه توسعه یافته می توان محصول نخود را با دقت بالا و هزینه پایین درجه بندی نموده تا پس از جداسازی ناخالصی ها و نخود مرغوب و نامرغوب را از هم جدا و برای مصارف مختلف روانه بازار نمود.
