چکیده: این پایان‌نامه به بررسی و طبقه‌بندی تصاویر میوه‌ها با استفاده از تکنیک‌های یادگیری عمیق می‌پردازد. میوه‌ها به عنوان یکی از اصلی‌ترین عناصر تغذیه‌ای انسان‌ها، نقش بسیار مهمی در تامین نیازهای مغذی و سلامت انسان دارند. این تحقیق دقت و کارایی طبقه‌بندی تصاویر میوه‌ها را با استفاده از مدل‌های پیش‌آموزش‌دیده از جمله ResNet50 و VGG16 و ماژول‌های توجه ارزیابی کرده است. نتایج نشان می‌دهند که استفاده از این تکنیک‌ها، عملکرد مدل‌های طبقه‌بندی را بهبود بخشیده و کارایی آن‌ها را افزایش داده است. مدل‌ توسعه یافته در این پژوهش توانسته‌ است دقت طبقه‌بندی تصاویر میوه‌ها را به میزان قابل توجهی بین 89 تا 100 درصد ارتقا دهد که در مقایسه با بهترین روش‌های پیشین که دقت حدود 85 درصد داشتند، بهبود قابل توجهی به شمار می‌آید. میوه‌هایی نظیر سیب، موز و پرتقال به دلیل غنی بودن در ویتامین‌ها، مواد مغذی و آنتی‌اکسیدان‌ها، همواره به عنوان بخشی حیاتی از رژیم غذایی انسان‌ها محسوب می‌شوند و به دلیل تنوع در طعم و قابلیت‌های تغذیه‌ای، از جمله تازه، خشک، یا فرآورده‌هایی مانند آبمیوه، کمپوت و مربا، همواره در دسترس و مورد استفاده قرار می‌گیرند. در این تحقیق، ابتدا داده‌ها جمع‌آوری و پیش‌پردازش شدند، سپس مدل‌های یادگیری عمیق با استفاده از شبکه ResNet50 و ماژول‌های توجه طراحی و پیاده‌سازی شدند، و در نهایت عملکرد این مدل‌ها ارزیابی و تحلیل گردید. این نتایج نشان‌دهنده تسریع و دقت بیشتر در تشخیص و طبقه‌بندی تصاویر میوه‌ها با استفاده از شبکه ResNet50 و ماژول‌های توجه است.