ضربه یکی از مهم ترین علل ایجاد ضایعات در محصولات آبدار و فاسدشدنی است. ضایعاتی که در انواع میوه نظیر سیب ایجاد می گردد، خساراتی است که بر اقتصاد کشور تحمیل می گردد. لذا بررسی عوامل مرتبط با میزان کوفتگی برای کاهش تلفات، طراحی و بهینه سازی ماشین های برداشت و پس از برداشت از اهمیت برخوردار است. در تحقیق حاضر با استفاده از دستگاه ضربه زن آونگی و انجام آزمون های ضربه طی یک آزمایش فاکتوریل در قالب طرح کاملاً تصادفی اثر عوامل مستقل دما (0، 10، 20 و 30 درجه سلسیوس)، رقم (گلدن دلیشز و رددلیشز)، سطح ضربه گیر (کارتن، لاستیک و آهن گالوانیزه) و انرژی ضربه (300، 600 و 900 میلی ژول) بر میزان حجم کوفتگی در میوه سیب بررسی شد. نتایج تجزیه واریانس نشان داد که اثر دما، رقم، سطح ضربه گیر و انرژی ضربه بر میانگین حجم کوفتگی در سطح احتمال 1% معنی دار است. با افزایش دما حجم کوفتگی در هر دو رقم کاهش و با افزایش سطح انرژی سینتیک حجم کوفتگی در هر دو رقم افزایش یافت. رقم گلدن دلیشز نسبت به رددلیشز مقاومت بیشتری در برابر آسیب ناشی از ضربه داشت، در حالی که بیشترین حجم کوفتگی مربوط به رقم رد دلیشز در برخورد با آهن گالوانیزه و کمترین آن به رقم گلدن دلیشز در برخورد با کارتن بود. برای پیش بینی حجم کوفتگی، از شبکه های عصبی پرسپترون چند لایه (mlp) استفاده شد. شبکه های عصبی به دلیل ساختار ریاضی غیرخطی می توانند جایگزین مناسبی برای مدل های پیچیده باشند. آموزش شبکه ها با چهار نوع الگوریتم آموزشی انجام گرفت، الگوریتم لونبرگ-مارکوارت با ساختار 1-26-4 و تابع انتقال لگاریتم سیگموئید در لایه مخفی در مقایسه با سایر الگوریتم های آموزشی از عملکرد بهتری برخوردار بود. با این الگوریتم میانگین دقت پیش بینی در مراحل آموزش، ارزیابی و آزمون به ترتیب 92/48، 88/48 و 87/72 درصد محاسبه شد. همچنین ضریب همبستگی (r) در رگرسیون خطی بین داده های پیش بینی شده و داده های واقعی 0/975 بدست آمد.