با گسترش چشمگیر تجهیزات تصویربرداری و ارزان بودن آن¬ها پردازش تصویر جایگاه ویژه¬ای در صنعت پیدا کرده است و بکارگیری این روش توسط محققین متعددی در حوزه کنترل کیفیت در حال توسعه می¬باشد. در این پژوهش از پردازش تصویر برای تشخیص عیوب و طبقه¬بندی کیفی مفتول مسی استفاده می¬شود. مطالعه موردی این پژوهش به صورت واقعی برای مفتول تولیدی مجتمع مس سرچشمه انجام شده است. بدین منظور سیستمی خبره طراحی شده است که موتور استنتاج آن را دو قسمت پردازش تصویر و طبقه¬بندی کننده¬ی تصاویر تشکیل می¬دهند. قسمت پردازش تصویر در این تحقیق شامل دو مرحله¬ی پیش¬پردازش و استخراج ویژگی¬های تصاویر می¬باشد. به منظور پیش¬پردازش تصاویر با بکارگیری الگوریتم¬های مناسب، از میزان انعکاس نور موجود در آن¬ها کاسته شده و شدت کنتراست تصاویر افزایش یافته است. سپس با توجه به عیوب موجود در مفتول، دو ویژگی لبه¬ی مفتول و تقارن آن از کلیه عکس¬ها استخراج و بردار ویژگی¬های مفتول برای طبقه¬بندی آن¬ها آماده می¬گردد. به منظور طبقه¬بندی از روش شبکه¬ی عصبی استفاده شده است. دو شبکه¬ی عصبی mlp و pnn برای طبقه¬بندی مفتول¬ها امتحان می¬گردد که در نهایت شبکه¬ی عصبی pnn با خطایی برابر نصف خطای شبکه mlp بدین منظور بکار گرفته شده است. همچنین در مرحله دیگری با بکارگیری نتایج بدست آمده، از روش پایش پروفایل¬ها برای کنترل فرایندی استفاده شده است. از این چارچوب می¬توان برای خودکار نمودن فرایند کنترل کیفیت مفتول مسی استفاده کرد