در روش‌هاي سنتي، بررسي و طبقه بندي ميوه‌ها به كمك نيروي انساني انجام مي‌شود. مشكلات اين روش اعم از؛ هزينه بالاي نيروي كار، دقت و سرعت پايين ناشي از تاثير پذيري شرايط محيطي و تفاوت تشخيص كارگران با توجه به سليقه خريدار نهايي، افزايش مشكلات بهداشتي ناشي از دخالت مستقيم انساني و ...، باعث افزايش توجه توليد كنندگان به استفاده از سيستم‌هاي نوين درجه بندي شده است. از آنجايي كه ميوه انجير خشك يكي از پر اهميت ترين نوع خشكبار در صنعت صادرات كشور است، و كشور ايران در بين پنج كشور اصلي توليد كننده انجير در جهان قرار دارد، در اين تحقيق با استفاده از قابليت‌هايي كه الگوريتم‌هاي پردازش تصوير در اختيار ما قرار مي‌دهند، سيستمي‌ را شبيه سازي كرديم كه بتواند اين ميوه را در دسته هاي مشخص طبقه بندي كند. اين سيستم با تصوير برداري از نمونه ها و بررسي ويژگي‌هاي بصري ميوه انجير خشك با استفاده از الگوريتم هاي پردازش تصوير، اين ميوه را در 8 دسته مستقل از نظر رنگ، شكل، سايز و سالم بودن، به صورت كاملا خودكار طبقه بندي مي نمايد. در اين تحقيق بخش تصوير برداري از نمونه ها به كمك روش نويني با عنوان آينه گذاري پياده سازي شده است. بدين صورت كه تنها با استفاده از يك دوربين، يك تصوير و از 6 جهت از نمونه خواهيم داشت. با توجه به تعداد زياد نمونه ها در واحد وزن، اين روش سرعت پردازش تصاوير را بسيار بالا خواهد برد، چون به جاي پردازش 6 تصوير از 6 جهت تنها بر روي يك تصوير پردازش انجام مي شود. همچنين استفاده از شبكه عصبي براي تفكيك نمونه ها، اين قابليت را به سيستم خواهد داد كه بتواند با تغيير نوع ويژگي هاي استخراج شده، محصولات ديگر از قبيل خشكبار، حبوبات، ميوه، قطعات الكترونيك و ... را با تغيير اندك در بخش مكانيكي طبقه بندي نمايد. نتايج حاصل از آزمايش اين سيستم نشان داد كه، درصد تشخيص درستي نمونه ها در دسته مورد نظر، با استفاده از الگوريتم شبكه عصبي و ويژگي هاي استخراج شده به كمك پردازش تصوير، بيش از 85 درصد بوده است.