روش رایج اندازه‌گیری و محاسبه مقدار خرده برنج در یک توده، جداسازی و توزین برنج‌های سالم و شکسته است. جداسازی دانه‌های برنج به وسیله الک یا به صورت دستی انجام می‌شود که انجام این کار نیازمند صرف وقت و نمونه‌گیری دوره‌ای است. در این مطالعه برخی ویژگی‌های بافت تصویر توده برنج برای تعیین درصد خرده برنج آن مورد بررسی قرار گرفت. برای این منظور، 21 نمونه 100 گرمی حاوی درصدهای متفاوت برنج خرده از ترکیب برنج سالم و خرده برنج (شامل صفر تا 100 درصد خرده) تهیه شد. از هر نمونه تعداد 10 تصویر از توده تهیه شد. با پیش پردازش تصاویر، نوفه و پس زمینه حذف شد و تصاویر از حالت رنگی به باینری تبدیل شدند و با استفاده از نرم‌افزار Matlab ویژگی‌های بافت تصاویر استخراج شد. تعداد 23 ویژگی بافتی از تصاویر نمونه‌های برنج با روش ماتریس هم‌رخداد سطح خاکستری استخراج شد. کاهش تعداد ویژگی‌های بافت تصویر با تحلیل مؤلفه‌های اصلی انجام شد. با این روش 23 ویژگی محاسبه شده با 3 عامل اصلی (متغیر پنهان) مرتبط شد. رابطه بین درصد خرده برنج در نمونه‌ها با ویژگی‌های بافتی مستخرج از تصاویر با روش شبکه عصبی مصنوعی با ورودی ویژگی‌های بافتی (عامل‌های اصلی) و خروجی درصد برنج خرد شده بررسی گردید. داده‌ها به چهار شبکه عصبی با توپولوژی متفاوت از نظر تعداد نرون‌ها در دولایه مخفی وارد و خروجی آن مورد بررسی قرار گرفت. نتایج حاصل از خروجی شبکه‌های عصبی بررسی شده نشان داد شبکه عصبی با ساختار 1-8-6-3 با ضریب تبیین 958/0 توانست مقدار خرده برنج (درصد) در یک توده را با خطای کل 5/1 درصد تشخیص دهد. افزون بر آن، مشخص شد ده ویژگی بافت تصویر مرتبط با عامل اصلی اول، چهار ویژگی مرتبط با عامل اصلی دوم، چهار ویژگی مرتبط به عامل اصلی سوم و پنج ویژگی بافت هم به صورت مشترک وابسته با عامل‌های اصلی اول و دوم بودند. هشت ویژگی با ضریب عاملی بالاتر از 9/0 مرتبط با عامل اول و سوم بیشترین تاثیر را در تخمین درصد خرده برنج داشته‌اند. این روش تعیین درصد خرده برنج نسبت به نوع مرسوم (دستی) آن سریع است و قابلیت برخط شدن را دارد.
)