گوشت گاو با دارا بودن انواع آمینواسیدهای ضروری انسان، به‌عنوان یکی از اصلی‌ترین منابع تأمین‌کننده پروتِئین جوامع بشری است. حفظ سلامت جامعه، تأمین مواد غذایی سالم و باکیفیت را بیش از هرزمانی ضروری‌تر کرده است. از مهم‌ترین و کاربردی‌ترین روش‌های ارزیابی کیفیت گوشت گاو بررسی ویژگی‌های ظاهری و فیزیکی آن است. در این پژوهش باهدف ارزیابی کیفیت گوشت گاو ازنظر سفتی و تردی بر اساس ویژگی‌های تصویر به طراحی و اجرای مدلی بر پایه شبکه‌های عصبی کانولوشنی مبتنی بر سه ساختار موبایل نت، اینسپشن و 16VGG پرداخته‌شده است. در این پژوهش از تصاویر دیجیتال که به‌وسیله گوشی همراه هوشمند شرکت ال‌جی مدل (LG G4 H815) در شرایط کنترل نشده و مستقل از محیط و نور که مقدار مقاومت برشی هر نمونه‌ گوشت به روش وارنر-براتزلر اندازه‌گیری شده بود، برای آموزش و ارزیابی شبکه عصبی کانولوشنی استفاده‌شده است . در پایان مدل‌های طراحی‌شده توانستند با دقت قابل قبولی به دسته‌بندی نمونه‌های اولیه بر اساس ویژگی‌های استخراج‌شده بپردازند. برای ارزیابی الگوریتم طبقه‌بندی از ماتریس اغتشاش استفاده شد و شاخص‌های آماری ازجمله دقت، صحت، حساسیت و اختصاصی بودن از نتایج ماتریس اغتشاش مورد بررسی قرار گرفتند . بهترین مدل طبقه بند، مدل مبتنی بر ساختار موبایل نت بود که این مدل توانست با دقت %92/6 تصاویر را طبقه‌بندی کند.