استفاده از پردازش تصویر به عنوان یک ابزار زمینه لازم را برای شناسایی دقیق و تعیین موقعیت میوه‌ها در راستای نقشه‌برداری عملکرد فراهم نموده است و پیشرفت در استفاده از حسگرها و تکنولوژی رباتیک این فرصت را به‌وجود آورده تا سیستم‌های مکاترونیکی برداشت محصولات به عنوان ابزارهای کشاورزی در راستای تسهیل کار باغداران و مکانیزه نمودن برداشت توسعه پیدا کنند. گردو از جمله محصولاتی است که نیازمند مدیریت صحیح و علمی در زمان برداشت می‌باشد. برداشت گردو به روش سنتی هزینه کارگری و خطر زیادی برای برداشت‌کنندگان به همراه دارد. علاوه بر هزینه زیاد و عملکرد نسبتا پایین شیکرهای گردو، وجود درختان با ارتفاع بالا و تنه بسیار بزرگ و باغات نامنطم و ناهموار، امکان استفاده فراگیر از تکنوژی و ماشین‌آلات موجود در برداشت مکانیزه را کاهش داده است. یکی از ابزارهای کشاورزی دقیق تهیه نقشه عملکرد محصول برای مدیریت مکانی در تولید محصول بیشتر می‌باشد. با مدیریت مکانی مبتنی بر درک دلایل تغییرات محیط‌های مختلف، عملکرد محصول افزایش می‌یابد. لذا در راستای تعیین عملکرد و ساخت ربات برداشت، یک الگوریتم پردازش تصویر برای تشخیص و تعیین موقعیت میوه گردو بر روی درخت در شرایط نور طبیعی ارائه گردید. الگوریتم ارائه شده بر پایه ویژگی‌های بافت تصویر، الگوی تراکم سایه روشن و لبه‌یابی عمل می‌کند. استفاده از ویژگی بافت در ترکیب با الگوی تراکم سایه روشن به عنوان یک روش ابتکاری در شرایطی که میوه و برگ طیف رنگی مشترکی دارند عملکرد مناسبی داشت. در این روش تشخیص میوه مستقل از شکل آن انجام گرفت تا تأثیر انسداد منظر میوه بر عملکرد الگوریتم به حداقل برسد. بررسی نتایج استفاده از این الگوریتم نشان داد که روش ارائه شده با نرخ تشخیص ??.? درصد توانایی شناسایی گردوهای داخل تصاویر گرفته شده از درختان را دارد همچنین میوه‌هایی که به صورت چندتایی در کنار هم قرار داشتند با نرخ تفکیک ?? درصد از همدیگر تشخیص داده شدند. عوامل عدم تشخیص گردو به ترتیب شامل خطای ناشی از تیرگی تصویر میوه با نرخ ?.? درصد، وضوح پایین با نرخ ?.? درصد، مقیاس نامناسب با نرخ ?.? درصد، تفکیک میوه‌های کنار هم با نرخ ?.? درصد و انسداد منظر میوه با نرخ ?.? درصد بودند.