سیب از جمله محصولات باغی بسیار ارزشمند از لحاظ غذایی به شمار می آید و تولید آن در کشور ما از جایگاه بالایی در زمینه اشتغال زایی و ارزآوری برخوردار است. از میان روش های غیرمخرب کنترل کیفی سیب، فناوری ماشین بینایی چشم-اندازی مطمئن برای دستیابی به سرعت، کیفیت ارزیابی بالاتر و حصول بهره وری بیشتر برای این محصول ترسیم نموده است. بررسی منابع موجود نشان می دهد که تشخیص لهیدگی سیب های زرد در بسیاری از موارد با تشخیص دمگل همپوشانی داشته و این امر بکارگیری ماشین بینایی را به منظور درجه بندی کیفی سیب با چالش جدی مواجه نموده است. پژوهش حاضر به منظور رفع چالش مذکور و افزایش دقت عملکرد سیستم های درجه بندی سیب صورت پذیرفت. به منظور تحقق این امر دو الگوریتم جداگانه بر اساس رنگ برای شناسایی لهیدگی و دمگل در نرم افزار matlab طراحی گردید. برای الگوریتم لهیدگی دقت %97/14 و برای الگوریتم دمگل دقت %100 بدست آمد. الگوریتم لهیدگی %7/14 دمگل را به عنوان لهیدگی و الگوریتم دمگل %5/71 لهیدگی را به عنوان دمگل شناسایی نمودند. سپس با ادغام این دو الگوریتم یک الگوریتم جامع بدست آمد که دارای دقت %94/29 می باشد. در ادامه آزمایشاتی جهت بررسی احتمالی افزایش دقت در شناسایی لهیدگی با گذشت زمان نگهداری توسط الگوریتم لهیدگی انجام گرفت. نتایج حاکی از آنست که کیفیت تشخیص لهیدگی توسط این الگوریتم به تدریج افزایش یافته و پس از دو تا سه روز به ثبات مطلوبی می رسد. الگوریتم دیگری که ویژگی های خاصی از شکل تصاویر لهیدگی و دمگل از جمله میزان گِرد بودن، نسبت مساحت به مربع محیط آن ناحیه و نیز ضریب تغییراتِ (cv) فواصل نقاط روی لبه از مرکز ثقل تصویر را استخراج می نمود، طراحی گردید و سپس همراه با بکارگیری فناوری شبکه های عصبی مصنوعی لهیدگی و دمگل با دقت %100 از یکدیگر تمیز داده شدند. بررسی اثرات نیرو و زمان بر میزان لهیدگی سیب (در سه سطح 100، 200 و 300 نیوتن و در یک بازه ی زمانی 9 روزه) نشان داد که این دو عامل بر لهیدگی موثر بوده و اختلاف معنی داری در میزان لهیدگی بر اثر سطوح نیرو و زمان نگهداری مشاهده گردید. اثرات متقابل این دو عامل درسطح نیروی 100 نیوتن اختلاف معنی داری در روزهای مختلف را نشان نداد؛ در سطوح نیروی 200 و 300 نیوتن به صورت مجزا بین تمامی روزها اختلاف معنی دار وجود داشت.