فیله ماهی محصولی بسیار حساس به فساد است و بررسی کیفیت و بهداشت آن قبل از مصرف ضروری است. بسیاری از روش‌های تعیین کیفیت و تازگی ماهی برپایه آزمون‌های مخرب و زمان‌بر است. در این پژوهش توانایی تلفیق روش‌های غیرمخرب امواج فراصوت، سنجش مقاومت الکتریکی و رنگ‌سنجی برای پایش تازگی فیله ماهی قزل‌آلا در دمای یخچال مورد ارزیابی قرار گرفت. نمونه‌هایی از فیله ماهی تهیه و به مدت 12 روز در دمای یخچال نگهداری شد و طی این مدت آزمون‌های فیزیکی شامل میرایی امواج فراصوت، مقاومت الکتریکی و رنگ سنجی برای تعیین مولفه‌های رنگی در دو فضای رنگی RGB و La*b*، و آزمون حسی فیله‌ها (رنگ، عطر، طعم و بافت) انجام شد. آزمون شیمیایی برای تعیین میزان خاکستر، پروتئین و چربی فیله‌ها در این مدت نیز صورت گرفت. داده‌های استخراج شده از آزمون‌های فیزیکی مختلف در دو مدل شبکه عصبی و درخت تصمیم برای تعیین تازگی ماهی مورد استفاده قرار گرفتند و نتایج مدل‌ها برای انتخاب بهترین مدل برای دسته‌بندی مقایسه شد. شبکه‌های عصبی متفاوت تک لایه مخفی با تعداد نرون‌های 1 تا 10 و درخت تصمیم با پنج الگوریتم (LMT، J48، REP، random forest، random tree) ارزیابی شدند. داده‌های آزمون‌های فیزیکی به عنوان ورودی و روزهای نگهداری به عنوان خروجی برای هریک از مدل‌ها در نظر گرفته شد. بر اساس نتایج به دست آمده بیشترین دقت طبقه‌بندی (100%) و کمترین مقدار میانگین خطا (02/0) در شبکه عصبی با تعداد 6 نرون در لایه مخفی و مقادیر متناظر 100 درصد و حدود صفر مربوط به عملکرد درخت تصمیم با الگوریتم J48 بود. نتایج حاصل از ماتریس اغتشاش نیز دقت این این دو روش طبقه‌بندی را مورد تایید قرار داد. در مجموع تلفیق سه روش فیزیکی با الگوریتم درخت تصمیم بهترین عملکرد را برای دسته‌بندی فیله‌ها بر اساس تازگی (بر اساس روز ماندگی) بدست داد.
