ارزیابی کیفیت محصولات کشاورزی از فعالیت های تأثیرگذار در عرصۀ تجارت، اقتصاد، و سلامت جوامع است. در همین راستا نیاز به روش های نوین در اندازه گیری کیفیت، روزبه روز بیشتر می شود. از بین این روش ها، آزمون های غیرمخرب بیشتر مدنظر است. این مطالعه به امکان سنجی پیش بینی میزان سفتی میوۀ هلو به صورت غیرمخرب با روش تصویربرداری بر پایۀ نور لیزر که روشی نوین برای بررسی و پیش بینی برخی شاخص های کیفی محصولات کشاورزی است، می پردازد. بدین منظور، سامانه ای برای اخذ تصاویر پس پراکنش شامل یک دوربین تصویربرداری و یک دیود لیزری با طول موج 650 نانومتر، پیاده سازی شد. پس از اخذ تصاویر نمونه ها، به منظور ارزیابی عملکرد این سامانه در پیش بینی میزان سفتی میوۀ هلو، از روش پردازش تصویر جهت استخراج اطلاعات لازم برای ساخت مدل های کالیبراسیون، استفاده شد. مدل های کالیبراسیون با روش های رگرسیون غیرخطی و شبکه های عصبی مصنوعی براساس تحلیل های مبتنی بر شدت و بافت ساخته شدند. با ارزیابی مدل ها، بهترین نتایج برای روش رگرسیون غیرخطی به دست آمدند. درپایان با ترکیب ویژگی های شدت و بافت و مدل سازی به روش رگرسیون غیرخطی ضریب همبستگی 89/0 برای پیش بینی سفتی میوۀ هلو به دست آمد.
