محاسبه حجم محصولات کشاورزی به دلایل مختلفی از جمله بررسی کیفیت و درجه‌بندی انجام می‌شود. در چند سال اخیر استفاده از روش غیر مخرب و سریع ماشین بینایی توسط کامپیوتر و دوربین‌های دیجیتال گسترش و محبوبیت یافته است. این تحقیق تلاشی برای توسعه و ارزیابی یک الگوریتم جدید پردازش تصویر به منظور تصحیح خطای خاصیت پرسپکتیو طبیعی تصویربرداری و برش المان های متشابه و جمع حجم آنها به منظور برآورد حجم محصول می-باشد که در این تحقیق از محصول گردو استفاده شده است. در کنار ارائه این روش چند روش رایج دیگر شامل روش وزن آب جابجا شده به عنوان روش مرجع،‏ استفاده از قطر میانگین هندسی و استفاده از مساحت سطح منظری نیز آورده شده است تا بتوان نتایج این روش را روی گردو بهتر ارزیابی نمود. خطاهای روشهای استفاده از قطر میانگین هندسی ،‏ مساحت سطح منظری،‏ جمع المان های متشابه به ترتیب 6‎/9 %،‏ 2‎/10 %و 7‎/10 % بدست آمد. نتایج نشان داد که در ماشین بینایی به دلیل خاصیت پرسپکتیو طبیعی در تصویربرداری،‏ اجسام کوچک (گردو) نسبت به اجسام بزرگ تر خطای بیشتری جهت حجم سنجی ایجاد می‌کنند.