در سال های اخیر با توجه به مزایای اقتصادی کشت هیدروپونیک، این روش کشت روز به روز گسترش یافته است. در این نوع کشت، کنترل محلول مواد غذایی نقش خیلی مهم در سلامت گیاه و رشد آن دارد. یکی از عناصر مهم در محلول غذایی که رابطه مستقیم با میزان کلروفیل برگ و رشد گیاه دارد، مقدار نیتروژن (n) می باشد. امروزه رایج ترین روشی که برای اندازه گیری کلروفیل به کار می رود، استفاده از دستگاه کلروفیل سنج spad می باشد، که نیاز به افرادی برای اندازه گیری شاخص کلروفیل دارد. همچنین در سال های اخیر افزایش قابل توجهی در تعیین سطح نیترات محصولات غذایی دیده شده است. اگر چه تجمع بیش از حد نیترات برای گیاه بی خطر است، ولی این یون می تواند برای انسان سمی باشد و باعث ایجاد سرطان گردد. بنابراین مدیریت و کنترل بر روی سطح مجاز نیترات در گیاهان امری مهم می باشد. آزمایشات در فضای گلخانه و به صورت کشت هیدروپونیک انجام شد و پنج سطح مختلف کود دهی نیتروژن (0، 25، 50، 100 و 200 میلی گرم در لیتر) در چهار تکرار در قالب طرح فاکتوریل بر پایه بلوک های کامل تصادفی بر روی گیاه اسفناج رقم 54012 که در گلدان های پلاستیکی سفید به اضلاع 25 سانتیمتر و ارتفاع 22 سانتیمتر با بستر پرلیت و ورمیکولیت کشت شده بود، در نظر گرفته شد. مقدار کلروفیل برگ های اسفناج در طول دوره رشد توسط دستگاه کلروفیل سنج مدل spad 502 اندازه گیری گردید و همچنین میزان نیترات برگ برای هر تیمار به وسیله دستگاه نیترات سنج horiba در آزمایشگاه اندازه گیری گردید. هدف اصلی از این تحقیق ارائه یک سیستم هوشمند و کم هزینه بر پایه ی پردازش تصاویر دیجیتال رنگی می باشد تا با اخذ تصویر و پردازش آن میزان دقیقی از مقدار کلروفیل و نیترات موجود در برگ را ارائه دهد. در این تحقیق از دو فضای رنگی و یک مدل شبکه عصبی برای تخمین مقدار کلروفیل گیاه اسفناج و همچنین میزان نیترات موجود در برگ بر اساس مولفه های اصلی تصویر رنگی (قرمز، سبز و آبی) گرفته شده توسط دوربین دیجیتال معمولی به کار گرفته شد. نتایج تحقیق نشان داد که استفاده از پردازش تصویر و شبکه ی عصبی رابطه ی خوبی در تخمین سطح کلروفیل گیاه اسفناج دارد (72/91=r2) و بیشترین همبستگی برای تخمین کلروفیل برگ کسب شد (1/97= r2). همچنین نتایج تحقیق نشان داد که رابطه ی خوبی بین مولفه ی رنگی و سطح نیترات برگ وجود دارد (4/84). همچنین بررسی نتایج نشان می دهد که روش شبکه عصبی نسبت به روش رگرسیون خطی از دقت بالاتری برخوردار می باشد.