در این پژوهش درجه بندی کشمش با استفاده از روش های پردازش تصویر و داده کاوی مورد بررسی قرار گرفت. تصاویر چهار طبقه کشمش شامل سبز، سبز با دمچه، سیاه و سیاه با دمچه با استفاده از یک دوربین رنگی CCD تحصیل گردید. پس از پردازش و قطعه بندی تصاویر، 44 ویژگی (شامل 36 ویژگی رنگ و 8 ویژگی شکل) از تصاویر استخراج شد. به منظور انتخاب بهترین ویژگی ها از میان ویژگی های استخراج شده، از یک روش داده کاوی استفاده گردید. در نهایت 7 ویژگی به عنوان ویژگی های برتر انتخاب شد. از روش داده کاوی ماشین های بردار پشتیبان به منظور طبقه بندی کشمش ها استفاده گردید. نتایج اعتبارسنجی نشان داد که ماشین بردار پشتیبان با تابع کرنل Polynomial دارای بیشترین مقدار دقت (67/95 درصد) در طبقه بندی کشمش ها است. نتایج این پژوهش در توسعه سیستم های درجه بندی کشمش حائز اهمیت است و منجر به بهبود عملکرد این سیستم ها می گردد.
