بازارپسندی محصولات تولیدی به طور گستردهای به ظاهر آنها بستگی دارد. لذا هدف از مطالعه حاضر توسعه الگوریتمهایی برای استخراج، انتخاب و طبقهبندی ویژگیهای تصاویر نمونههای زالزالک به منظور طبقهبندی آنها براساس سطح رسیدگی است. تعداد 600 نمونه میوه زالزالک تهیه شد. در مرحله بعد یک جعبه نورپردازی به منظور تصویربرداری از نمونههای زالزالک با نورپردازی کنترل شده طراحی و ساخته شد. پس از تصویربرداری و ذخیره تصاویر بهدستآمده، فرآیند پردازش تصویر در نرم افزار متلب اجرا شد. در این مرحله بعد از عملیات پیش پردازش، ویژگیهای رنگ و بافت از تصاویر استخراج شد. از بین ویژگی های استخراج شده تعدادی ویژگی به عنوان ویژگی های کارا با استفاده از روش انتخاب ترتیبی با پایه درجه دوم در نرم افزار متلب انتخاب شدند. از روش های تحلیل تفکیک خطی و درجه دوم برای طبقه بندی ویژگی های کارا استفاده شد. پارامترهای دقت، صحت، حساسیت و خاصیت برای مدل های طبقه بندی محاسبه شدند. میانگین دقت طبقهبندی نمونههای مختلف زالزالک با استفاده از روشهای تحلیل تفکیک خطی و درجه دوم در مرحله آموزش به ترتیب برابر 67 / 98 و 33 / 99 % و در مرحله آزمون با هم مشابه و برابر با 67 / 98 % بود. همچنین بر اساس نتایج مربوط به پارامترهای تعیین شده، مدل تحلیل تفکیک درجه دوم از مدل تحلیل تفکیک خطی عملکرد بهتری داشت.
