خودکارسازی فرایند تشخیص عیوب محصولات در کارخانه ها، اقدام مهمی در جهت بهبود کیفیت، کاهش نیروی انسانی و ارتقاء رضایت مشتریان است. در کارخانه های تولید کاشی، یک عیب اساسی که گاهی با چشم هم به خوبی شناسایی نمی شود، مشکل لایه ای شدن کاشی است که به سبب باقیماندن هوا در لایه های داخلی کاشی به وجود می آید. این مشکل هر چه سریع تر در خط تولید شناسایی شود، هزینه های کمتری را در بر خواهد داشت. در این پایان¬نامه، با استفاده از امواج فراصوت، روشی هوشمند به منظور تشخیص عیب لایه¬ای قبل از پخت کامل کاشی، ارائه شده است. در ابتدا با استفاده از مولد امواج فراصوت و حس گر دریافت کننده امواج، یک مجموعه 546 تایی از سیگنال های فراصوت عبوری از کاشی های سالم و معیوب تهیه شد. سپس با استفاده از تبدیل فوریه سریع و بسته موجک، ویژگی¬های مناسبی را از نمونه سیگنال¬ها استخراج کرده و برای آموزش به طبقه¬بندهای مختلف داده شد. برای یافتن طبقه¬بند مناسب از چندین طبقه¬بند به طور همزمان استفاده شد تا علاوه بر مقایسه عملکرد هرکدام بتوان در صورت نیاز از ترکیب طبقه¬بندها برای افزایش دقت بازشناسی استفاده کرد. طبقه¬بندهای استفاده شده شامل: mlp، k-nn، lvq، beysian و svm است که با داشتن تفاوت در روش، از دقت خوبی برخوردارند. در انتها نیز از روش انتگرال سوگنو برای ترکیب نتایج طبقه¬بندها استفاده شده که نتایج بازشناسی را تا 100 درصد افزایش داده است.