پرتقال میوه ای از خانواده مرکبات می باشد که سرشار از ویتامین و مواد معدنی و دیگر عناصر مغذی است. طبقه بندی میوه بر اساس جرم، حجم،ph و ضخامت پوست جهت توسعه بندی، بازار پسندی و سیستم فرآوری بسیار مهم می باشد. اندازه گیری این خصوصیت ها بر اساس دو روش مستقیم و غیر مستقیم امکان پذیر می باشد. بینایی ماشین و پردازش تصویر روش های نوینی هستند که در بخش کشاورزی کاربردهای مختلفی دارند. از جمله کاربردهای بینایی ماشین تعیین حجم، درجه بندی، تشخیص آسیب های سطحی، تعیین رقم محصولات مختلف می باشد. محاسبات نرم مجموعه ای از روش های محاسباتی مانند منطق فازی، شبکه های عصبی مصنوعی و الگوریتم ژنتیک می باشد. این روش های محاسباتی برخلاف روش های سخت، که مجموعه های بزرگی از روش های معمولی مانند روش های تصادفی و آماری را شامل می گردد، حل های غیر دقیقی از مسائل خیلی پیچیده را از طریق مدل سازی و آنالیز عرضه می کند. در این تحقیق به بررسی چگونگی مدل سازی سه رقم پرتقال بم، خونی و تامپسون بر اساس جرم، حجم، ph و ضخامت پوست آن ها و با استفاده از داده های مستقیم و پردازش تصویر و روش های رگرسیون چند متغیره خطی، عصبی – فازی پرداخته شده است. 300 نمونه پرتقال بصورت تصادف انتخاب گردید. تمام آزمایش ها در مدت دو روز با دمای آزمایشگاه بین 22 تا 26 درجه سانتی گراد انجام شد. الگوریتم توسعه داده شده در نرم افزار matlab قادر به اندازه گیری مساحت، محیط، نسبت طول به مساحت، ارزش مقادیر قرمز، سبز و آبی، عرض، کنتراست، بافت، نسبت عرض به مساحت، عرض به طول، ناهمواری و طول می باشد. در روش های عصبی – فازی و عصبی – ژنتیک داده ها به دو دسته 70 درصد، جهت آموزش شبکه ی توسعه داده شده و 30 درصد، جهت ارزیابی شبکه ی آموزش یافته تقسیم شدند. در این تحقیق خواص مکانیکی پرتقال بم نیز بررسی شد. معیار ارزیابی مدل ها عبارتند از ضریب تعیین، میانگین مربعات خطا و مجموع مربعات خطا، مدل سازی جرمی، حجمی و ضخامت پوست دارای ضریب تعیین قابل قبولی می باشند.