خواص فیزیکی محصولات کشاورزی از مهمترین پارامترهای طراحی سیستم های بسته بندی و درجه بندی است و حجم محصولات کشاورزی، یکی از این خواص می باشد که بایستی به طور دقیق اندازه-گیری شود. پردازش تصویر و شبکه عصبی از ابزار های پرکاربرد و غیر مخربی هستند که اخیراً به این منظور استفاده می شوند. در این مطالعه ابتدا با استفاده از دوربین به فاصله ی ثابت از سیب ها عکس برداری شده و تصاویر رنگی با نرم افزار matlab® پردازش گردیدند تا لبه ی تصاویر استخراج شوند. سپس سطح بدست آمده در راستای عمود بر محور طولی سیب به المان های نازک ذوزنقه ایی تقسیم بندی گردیده و حجم حاصل از دوران این المان ها بر حسب پیکسل محاسبه شد. در ادامه، سیب ها از وسط برش خوردند تا تورفتگی های آن مشخص شده و با عکسبرداری دوباره، حجم تورفتگی های سیب بدست آید و از حجم کل سیب، کاسته شود. حجم واقعی سیب نیز با استفاده از روش جابجایی آب، بر حسب سانتی متر مکعب اندازه گیری شد و رابطه ایی بین حجم واقعی و حجم پیکسلی سیب ارائه گردید که می-تواند در تخمین حجم سیب استفاده شود. این رابطه توانست حجم سیب را با ضریب تبیین 92/0 تخمین بزند. آزمون t-test و بلاند-آلتمن نشان داد که بین حجم واقعی سیب و حجم پردازش تصویر در سطح احتمال 5% اختلاف معنی داری وجود ندارد و اختلاف میانگین بین آنها 13/1- سانتی متر مکعب بوده و دارای ضریب تبیین 92 /0 می باشد. استفاده از شبکه عصبی با پارمترهای ورودی ابعاد، دقت اندازه گیری حجم سیب را تا 98 /0 بالا برده و اختلاف میانگین بین حجم ها را تا 56/0- سانتی متر مکعب کاهش داد. این تحقیق نشان می دهد که پردازش تصویر و شبکه عصبی می توانند به عنوان روش های کارآمد در تخمین حجم محصولات کشاورزی استفاده گردند.