صمغ کتیرا یک محصول ارزشمند صادراتی است و شاخص گرانروی ژل حاصل از آن به عنوان مهم‌ترین پارامتر کیفی شناخته و بر اساس آن ارزش‌گذاری می‌شود. تعیین روشی سریع، دقیق، کم‌هزینه و غیرمخرب برای تعیین گرانروی ژل حاصل از صمغ کتیرا یک چالش مهم در صنعت صادرات، درجه‌بندی و فرآوری این محصول است. در این مطالعه، داده‌های اندازه‌گیری‌شده آزمایشگاهی، ویژگی‌های نوری و مقادیر گرانروی ژل حاصل از نمونه‌های مختلف صمغ کتیرا برای توسعه مدل‌های یادگیری ماشین استفاده شدند. آزمایش‌ها در 2 سطح نوع کتیرا ( نواری و ورقه‌ای)، 2 سطح روش آسیاب کردن ( یک مرحله‌ای و دو مرحله‌ای) و 3 سطح اندازه ذرات (2، 5/0 و 25/0 میلیمتر) انجام شده و خواص نوری و گرانروی هر نمونه با استفاده از روش استاندارد بدست آمد. در ادامه، مدل‌های آماری برای تعیین گرانروی نمونه‌های صمغ کتیرا با استفاده از ویژگی‌های نوری توسعه داده شد. بدین منظور الگوریتم‌های یادگیری ماشین شامل رگرسیون خطی (MLR)، رگرسیون حداقل مربعات جزیی (PLSR)، رگرسیون Lasso، رگرسیون بردار پشتیبان (SVR) و رگرسیون LassoCV با استفاده از نرم افزار پایتون آموزش یافته و سپس اعتبارسنجی و ارزیابی شدند. در پایان، عملکرد مدل‌های توسعه داده شده با یکدیگر مقایسه شد. نتایج نشان داد که مدل ایجاد شده با استفاده از الگوریتم Lasso با داشتن R2 ، RMSE و MAE به ترتیب 1/98 درصد و 134 و 86/115 سانتی‌پواز در مقایسه با سایر الگوریتم‌های بررسی شده بهترین عملکرد را دارد. این دقت بالا نشان‌دهنده همبستگی قوی بین ویژگی‌های نوری و گرانروی نمونه‌هاست و قابلیت اطمینان مدل توسعه‌یافته را تأیید می‌کند .بنابراین با استفاده از این مدل می‌توان مقادیر گرانروی نمونه‌های مختلف صمغ کتیرا را با دقت مناسب، در کمترین زمان و با کمترین هزینه، به صورت غیر مخرب تعیین کرد.