آسیب سرمازدگی یکی از شایع ترین اختلالات شناخته شده در حوزه پس از برداشت است. این پدیده ممکن است در هر زمان به علت شرایط محیطی نامناسب اتفاق بیفتد و منجر به کاهش کیفیت محصول شود. اولین اثر سرمازدگی بر روی غشاء سلولی می باشد و منجر به تغییرات سفتی بافت میوه (خواص مکانیکی) می گردد. از آنجا که پراکندگی داخلی نور (پس پراکنش) با اجزای داخلی بافت بیولوژیک تعامل دارند، فوتون های پس پراکنش دارای اطلاعاتی مربوط به مورفولوژی و ساختار بافت محصول همچون خواص مکانیکی است. در نتیجه، در این پژوهش جهت تشخیص غیرمخرب آسیب سرمازدگی میوه سیب از روش غیر تهاجمی و نوین تصویر برداری پس پراکنش نور لیزر در دو طول موج 650 و 780 نانومتر و شبکه عصبی مصنوعی چند لایه استفاده شد. دو رقم میوه سیب فوجی و رد دلیشس در دو آزمایش مورد بررسی قرار گرفتند. با استفاده از روش های پیش پردازش تصویر و نیز روش اندازه گیری زاویه (AMT) اطلاعات لازم جهت ایجاد مدل شبکه عصبی مصنوعی به منظور طبقه بندی میوه ها به دو دسته سالم و سرمازده و پیش بینی سفتی بافت میوه سیب از تصاویر به دست آمد. نتایج مدل سازی نشان داد که بالاترین عملکرد برای طبقه بندی نمونه ها و پیش بینی سفتی بافت در آزمایش اول و دوم برای رقم فوجی در طول موج 650 نانومتر- طیف MA و برای رقم رد دلیشس در طول موج 780 نانومتر- طیف MA حاصل شد. با توجه به مقادیر بالای درصد صحت کل مدل ها، استفاده از سامانه تصویربرداری پس پراکنش نور لیزر در این پژوهش برای طبقه بندی میوه ها به دو دسته سالم و سرمازده رضایت بخش بود. علی رغم تغییرات سفتی بافت میوه سیب، مقدار بالای میانگین مطلق درصد خطای برای پیش بینی سفتی بافت حاصل شد. این امر حاکی از آن است که اگرچه بین اطلاعات استخراج شده از تصاویر پس پراکنش و سفتی بافت همبستگی بالایی وجود ندارد، اما همین اطلاعات استخراج شده از تصاویر در میوه های سالم و سرمازده با هم متفاوت بود و توانست دو دسته میوه را با مقداردرصد صحت کل بالا تفکیک کند.
