سابقه و هدف: گندم از جمله غلاتی است که جایگاه مهمی از نظر تغذیه ای در دنیا دارد. بررسی ویژگی های فیزیکی و میکروبی محصولات کشاورزی نقش مهمی را طی برداشت با ماشین، فرآیند تمیزسازی و کاهش ضایعات مربوط به آن ایفا می نماید.این پژوهش که برای اولین بار در ایران صورت می پذیرد به بهینه سازی تاثیر بوجاری و رطوبت روی برخی از ویژگی های فیزیکی (افت مفید، افت غیرمفید، هکتولیتر و وزن هزار دانه) و میکروبی (شمارش کلی میکروارگانیسم ها و کپک) دانه گندم رقم n-80 در استان گلستان می پردازد. مواد و روش ها: پس از تعیین رطوبت پایه، نمونه هایی با سطوح بوجاری (0- 100%) و مقدار رطوبت (10- 14 درصد بر مبنای وزن مرطوب) در دمای 40 درجه سانتیگراد بررسی شد و به کمک روش سطح پاسخ و طرح مرکب مرکزی صاف (شامل 21 آزمون و5 تکرار در نقطه مرکزی) مدل سازی شدند.یافته ها: نتایج نشان داد با کاهش محتوای رطوبت و افزایش درصد بوجاری، میزان افت مفید و افت غیرمفید کاهش و میزان هکتولیتر افزایش می یابد. همچنین، اثر افزایش درصد بوجاری تاثیر بیشتری در کاهش میزان افت مفید و افت غیرمفید نسبت به کاهش مقدار رطوبت داشت. کمترین میزان هکتولیتر در دمای 40 درجه سانتی گراد، 72.58 کیلوگرم بر صد لیتر بود. بیشترین وزن هزار دانه در رطوبت 14 درصد بر مبنای وزن مرطوب و سطح بوجاری 100 درصد، 36.80گرم مشاهده شد. افزایش میزان وزن هزار دانه در محتوای رطوبتی بالاتر، از شدت بیشتری نسبت به سطوح بوجاری بالاتر برخوردار بود. با بالا رفتن محتوای رطوبتی و کاهش درصد بوجاری، میزان شمارش کلی میکروارگانیسم ها و کپک افزایش یافت. شاخص های خطی بوجاری و رطوبت اثر معنی داری (P<0.01) در مدل خطی برای شمارش کلی میکروارگانیسم ها در دمای 40 درجه سانتی گراد داشتند. جمعیت کلی میکروارگانیسم ها و کپک ها در رطوبت 14 درصد و سطح بوجاری صفر درصد، نسبت به رطوبت 10 درصد، به ترتیب معادل 52.7 و 90 درصد افزایش یافتند. مقادیر ضرایب تبیین برای ویژگی های افت مفید، افت غیرمفید، هکتولیتر، وزن هزار دانه، شمارش کلی میکروارگانیسم ها و کپک به ترتیب برابر با 0.9463، 0.9818، 0.9677، 0.8255، 0.8547 و 0.9674 بودند. نتایج بهینه سازی در دمای نگهداری 40 درجه سانتی گراد نشان داد، سطح بوجاری 100 درصد و محتوای رطوبتی 10 درصد بر مبنای مرطوب منجر به نگهداری گندم با درجه مطلوبیت 94.1 درصد می شود.نتیجه گیری: برای تمامی ویژگی های مورد بررسی، با توجه به معنی دار نبودن مقدار عدم برازش مدل و بالا بودن مقادیر R2 و R2 متعادل شده، مدل های انتخابی دقت بالایی در پیش بینی داده ها داشتند.