امروزه در کشاورزی نوین، به منظور جایگزین کردن ماشین های هوشمند به جای انسان، از ترکیب تکنیک های پردازش تصویر و روش های هوشمند استفاده شده است. در پژوهش حاضر از روشی مبتنی بر پردازش تصویر و شبکه عصبی مصنوعی (ANN) برای طبقه بندی میوه توت فرنگی رقم پاروس استفاده شد. در گام اول میوه توسط فرد خبره به شش طبقه (خروجی های ANN) تقسیم شد و از هر طبقه صد نمونه به صورت تصادفی تهیه گردید. در گام بعد از تصاویر تهیه شده از نمونه ها، سه ویژگی هندسی و دوازده ویژگی رنگ (ورودی های ANN) استخراج شد. بهینه بودن ساختارهای شبکه عصبی مصنوعی با استفاده از ریشه میانگین مربعات خطا و ضریب همبستگی بررسی شد. سرانجام شبکه عصبی پرسپترون با ساختار 6-18-15 با میانگین دقت کل 83/83% انتخاب گردید.
