دستیابی به دانش پایه بینایی ماشین در کنترل کیفی بذر گندم اهمیت ویژه ای دارد. در این پروژه، با تهیه سخت افزار و نرم افزار مناسب، تصویر 21000 عدد نمونه دانه، تهیه و با الگوریتم طراحی شده پردازش شد. نود و یک ویژگی شکل، بافت و رنگ محاسبه و رتبه بندی شد. از میان پنج مدل طبقه بندی کننده، بیشترین صحت کل، طبقه بندی در مدل شبکه عصبی مصنوعی با دو لایه پنهان و به کار گیری 35 ویژگی برتر اول به دست آمد. در آزمون این مدل با استفاده از داده های مستقل، صحت طبقه بندی برای گندم سفید درشت، گندم سفید کوچک، گندم سفید شکسته، گندم سفید چروکیده، گندم قرمز، جو و چاودار به ترتیب 100، 7/96، 3/99، 3/90، 99، 7/99، 98 درصد و میانگین آنها 6/97 درصد محاسبه شده است. صحت کل طبقه بندی در مدل های تحلیل تفکیک خطی، تحلیل تفکیک درجه دوم، K-نزدیک ترین همسایگی و شبکه عصبی مصنوعی با یک لایه پنهان به ترتیب 95، 7/96، 6/91 و 3/97 درصد به دست آمده است. در شرایط این تحقیق، سیستم بینایی ماشین شامل دوربین دیجیتال صنعتی و طبقه بندی کننده مدل شبکه عصبی مصنوعی دو لایه، با صحت خوبی قابل استفاده در بررسی کیفیت ظاهری بذر گندم تشخیص داده شده است.