بررسی سطوح شفاف برای تشخیص خراش¬ها، شکستگی¬ها و سایر معایب، امور رایج در بررسی کیفیت سطح هستند. روشهای بینایی ماشین برای تشخیص خودکار عیوب سطح مزایای بسیاری نسبت به تشخیص انسانی دارند مانند: تشخیص درست، افزایش قابل ملاحظه در سرعت تست، کاهش هزینه هاوکاهش نرخ خطا. با وجود جایگزینی موفق روش تشخیص دستی با سیستم اتوماتیک، بهینه سازی زیادی بر روی سیستم تشخیص لازم است تا نرخ اشتباه مثبت (محصولاتی که به عنوان سالم دسته بندی میشوند اما معیوب هستند) و نرخ اشتباه منفی (محصولاتی که به عنوان معیوب دسته بندی میشوند اما سالم هستند) و همچنین زمان پردازش کاهش یابد. در سالهای اخیر روشهای معدودی برای تشخیص معایب روی شیشه ارائه شده است اما روشی برای تشخیص ذرات ریز شیشه بر روی سطح شیشه وجود ندارد. هدف این پایان نامه ارائه روش تشخیص ذرات ریز شیشه بر روی سطح شیشه می باشد که از چند مرحله تشکیل شده است. ابتدا با استفاده از الگوریتم پخش ناهمسان (anisotropic difusion) تغییر یافته، سعی در کاهش نویز و افزایش کنتراست تصویر شده است. سپس با کمک شبکه عصبی حروف و علائم موجود در تصویر حذف شده تا تصویری یکنواخت حاصل شود. در نهایت با تحلیل مولفه های مستقل مهمترین ویژگی تصویر استخراج شده و در کنار سایر ویژگیهای تصویر مانند میانگین و واریانس به طبقه بند داده می شود تا شیشه سالم از شیشه معیوب (دارای خرده شیشه) تفکیک گردد. باآزمایشات مختلف کارایی سیستم ارائه شده بررسی شده ودر نتیجه مقایسه با روش¬های پیشین مشاهده می شود که روش پیشنهادی علاوه بر دارا بودن قابلیت¬های بیشتر مانند تشخیص علایم و نوشته¬های انتهای شیشه، درصد بهتری از تشخیص را نیز در زمینه ذرات شیشه بر روی شیشه انجام میدهد.