آن چه که اکنون به عنوان چکیده این پایان نامه می توان به آن اشاره کرد، دو نکته مهم و جداگانه خلاصه می شود. نکته اول لزوم استفاده از آزمون غیر مخرب در ارزیابی غیر تهاجمی یک قطعه صنعتی است. نکته دوم طراحی الگوریتمی هوشمند جهت شناسایی عیوب است. لازم به ذکر است که این تلاش علمی بر استفاده از روش آزمون غیر مخرب به کمک سیگنال های حاصل از نشت شار مغناطیسی تکیه دارد که به تفصیل درباره این روش، مزایا و معایب آن در قیاس با سایر روش ها بحث گردیده است. استفاده از یک الگوریتم تصمیم گیری هوشمند برای یافتن عیوب از سیگنال های دریافتی، هدف این تلاش عملی است. برای این منظور استفاده از شبکه های عصبی چند لایه به عنوان طبقه بند پیشنهاد شده است. برای این منظور استفاده از شبکه های عصبی چند لایه به عنوان طبقه بندی پیشنهاد شده است. هر چند که در یک مرحله پیش از آن، یعنی قبل از اعمال داده ها به طبقه بند، می توان از یک مرحله فشرده سازی و استخراج ویژگی نیز بهره برد که اطلاعات آن ها نیز به تفصیل مورد بحث واقع شده اند. سه الگوریتم تشخیص عیوب بر مبنای استخراج ویژگی از سیگنال های حاصل از حسگرهای mfl طراحی شده اند که بر مبنای توابع استخراج ویژگی dct,pca، شبکه های عصبی و تابع جداساز خطی lda، استوار گردیده اند. الگوریتم اول با حد اکثر 10% خطا و الگوریتم هار دوم و سوم به طور کامل موفق به شناسایی عیوب شده اند. در نهایت الگوریتم تصمیم گیری بر مبنای سیستم یادگیری عاطفی مغز نیز به عنوان ابزاری ارزشمند در تصمیم گیری سریع، برای استفاده به عنوان طبقه بندی معرفی شده است.