سیستم ماشین بینایی و پردازش تصویر روش های نوینی هستند که در علوم مختلف از جمله صنعت، هواشناسی، شهرسازی، علوم نظامی و امنیتی، پزشکی، کشاورزی و غیره کاربردهای فراوانی یافته اند. از جمله کاربردهای ماشین بینایی در بخش کشاورزی، درجه بندی و دسته بندی محصولات مختلف می باشد. روغن زیتون یکی از قدیمی ترین روغن های گیاهی است و ششمین منبع تامین روغن جهان است. با صدمه دیدن بافت سلولی زیتون، فعالیت آنزیم های آن تا حد زیادی افزایش یافته و باعث می شود کل محصول آسیب ببیند. لذا روغن استحصالی به دلیل افزایش اسید چرب آزاد و پراکسید، از کیفیت مطلوبی برخوردار نخواهد بود. در این پژوهش از سیستم ماشین بینایی برای اندازه گیری سطوح آسیب دیده زیتون استفاده شده است. بدین منظور تعداد 60 عدد میوه زیتون به صورت کاملا تصادفی از ارقام زرد و روغنی تهیه شد. سه سطح آسیب با مساحت مشخص بر روی هر رقم ایجاد شد و از سطوح آسیب دیده در شرایط نوردهی یکسان تصویربرداری شد. در نهایت مساحت های محاسبه شده از طریق ماشین بینایی با مساحت های واقعی مقایسه شد. نتایج نشان داد بین مساحت محاسبه شده از طریق ماشین بینایی و مساحت واقعی اختلاف معناداری در سطح 5% برای هر دو رقم زرد و روغنی وجود ندارد. بنابراین می توان از این روش در فرآیند جداسازی زیتون های آسیب دیده و سالم با سرعت بسیار بالا و هزینه کم استفاده کرد. همچنین دو مدل شبکه عصبی مصنوعی با ورودی های مختلف مورد استفاده قرار گرفت. در مدل اول از هفت ویژگی سطح تصویر، محورهای اصلی بزرگ و کوچک، محیط، گردی، کشیدگی و فشردگی استفاده شد. در مدل دوم با توجه به تحلیل و آنالیز حساسیت، ورودی هایی که کمترین حساسیت را بر روی تخمین حجم زیتون داشتند حذف شدند. نتایج نشان داد شبکه عصبی می تواند حجم را با استفاده از ویژگی های مورد نظر به خوبی تخمین بزند. ضریب همبستگی خطی برای مدل اول در زیتون رقم زرد و روغنی به ترتیب برابر 97/0 و 94/0 و برای مدل دوم به ترتیب برابر 93/0 و 89/0 بدست آمد. در کل روش ماشین بینایی و شبکه عصبی مصنوعی به عنوان روشی ساده، سریع و غیرمخرب برای تخمین حجم زیتون پیشنهاد می شود.