با پیشرفت صنعت مواد غذایی و افزایش میزان تولید، استفاده از روش های نوین برای کنترل کیفیت، محصولات کشاورزی مورد نیاز می باشد لذا بدین منظور در سال های اخیر توجه زیادی به استفاده از ماشین بینایی در اتوماسیون تولید و کنترل کیفیت محصولات غذایی معطوف شده است. استفاده از ماشین بینایی در کنترل کیفیت محصولات غذایی، به دلایلی همچون سرعت عمل بسیار بالا، عدم تماس فیزیکی با محصول، سهولت یکپارچگی با سایر اجزای اتوماسیون و سهولت مستند سازی کیفیت محصول، مورد توجه خاص قرار گرفته است. یکی از مشکلات عمده در کنترل کیفیت محصولاتی همچون دانه های غلات، بی نظمی صحنه مورد بازرسی است. دانه های مورد بازرسی در موقعیت و امتداد نامشخصی نسبت به دوربین قرار داشته و مهمتر از آن اینکه ممکن است دانه ها با یکدیگر تماس داشته باشند به گونه ای که دو یا چند دانه تشکیل یک مجموعه با شکلی واحد را بدهند. این امر موجب می گردد تا کنترل کیفیت محصول توسط سیستم بینایی بسیار مشکل گردد. تدوین الگوریتم های مناسبی که بتواند در وهله ی اول جداسازی دانه ها را انجام دهد یک ضرورت به نظر می رسد. علاوه بر آن در حین کنترل کیفیت لازم است وجود موادی همچون ناخالصی ها، دانه های شکسته و یا معیوب نیز تشخیص داده شوند. پژوهش حاضر به بررسی دو نوع از دانه های غلات پر مصرف یعنی گندم و برنج پرداخته است و الگوریتم های مختلفی بدین منظور تدوین گردیده اند تا برای هر یک از این دو محصول ابتدا جداسازی دانه ها به صورت خودکار انجام گیرد. این الگوریتم ها بسیار موفق عمل نموده به گونه ای که جداسازی دانه ها به میزان 98% با موفقیت انجام می شود، سپس با استفاده از ویژگی های به دست آمده از تصویر دانه های جداسازی شده، دانه ها بر اساس دانه های سالم و شکسته دسته بندی می گردند. این پژوهش نشان می دهد که با اصلاح الگوریتم های موجود می توان با خطای کمتری به جای استفاده از اپراتور و سیستم های مکانیکی از الگوریتم های پردازش تصویر و ماشین بینایی به منظور جداسازی، کنترل کیفیت و دسته بندی دانه ها استفاده نمود.