امروزه با هدف بالابردن راندمان خطوط تولید محصولات، از سیستمهای بازبینی خودکار بهره گرفته می شود. بازبینی و شناسایی محصولات یکی از بخش های مهم این سیستم می باشد که کیفیت تولید محصولات را با هدف کاهش هزینه و افزایش سرعت تولید تضمین می کند. با توجه به گسترش صنعت فرش ماشینی در ایران و افزایش تولید و تنوع محصولات آن، نیاز به سیستمی خودکار جهت شناسایی عیوب فرش بسیار ضروری به نظر می رسد. در این تحقیق یک سامانه خودکار شناسایی عیوب برای فرش ارائه می شود. برای تشخیص عیوب فرش ، از اطلاعات رنگ استخراج شده فرش بر اساس فضای رنگی cielab استفاده شده است. چهار عیب عمده فرش که در این پژوهش مد نظر بوده اند، عبارتند از: حلقه شدن نخ خاب در پشت فرش- بافت رفتن پود کلفت- پرز پشت فرش- خالی بافی طولی نخ خاب. برای شناسایی این عیوب دو روش پیشنهاد شده است: 1- روش بهینه شده مبتنی بر تصمیم گیری محلی در فضای cielab، 2- تلفیق تصاویر شاخص دار با روش قبل. از تصاویر شاخص دار به منظور کاهش حجم محاسبات استفاده شده است. نتایج بدست آمده نشان می دهد که کارایی الگوریتم استفاده از تصاویر شاخص دار در مقایسه با روش اول از نظر زمان پردازش و دقت شناسایی بهبود قابل توجهی یافته است. زمان پردازش بین 10 تا 50 درصد کاهش یافته است و دقت شناسایی در حدود 2 تا 5 درصد بهبود یافته است.