صنعت کاشی یکی از پردرآمدترین صنایع و با ارزش ترین تولیدات در ساخت و سازها می باشد. مصرف کنندگان، ویژگی های با کیفیت از قبیل نوع، استحکام و ظاهر کاشی را در نظر می گیرند؛ در این پایان نامه بررسی روش های تشخیص عیوب بر روی سطوح کاشی و سرامیک مورد توجه قرار گرفته است که این روش ها شامل نظارت مداوم بر عملیات تولید کاشی و حل مشکلات مربوطه می باشند. برای نظارت بر کیفیت تولید، تصاویر فرآیند تولید کاشی وسرامیک و فنون پردازش تصویر به کار گرفته شدند. بر روی تصاویر گرفته شده از سطوح کاشی عملیات کاهش نویز، پردازش های مقدماتی، استخراج ویژگی ها، طبقه-بندی و مقایسه با پایگاه داده مورد استفاده قرار گرفتند و در نهایت فرمان های لازم برای تشخیص عیوب بر روی سطوح کاشی و سرامیک ارایه شد. هدف از این مقاله بررسی تشخیص و جداسازی بافت های آسیب دیده از بافت های سالم توسط به کارگیری فیلتر گابور، شبکه ی عصبی اسیلاتوری و الگوریتم glcm است که می تواند کیفیت بهتر کاشی ها را در فرآیند تولید تامین کرده و نرخ تولید آن ها را نسبت به دیگر روش های تشخیص عیب به خوبی بهبود ببخشد. بررسی های انجام شده بر روی تصاویر به دست آمده از سطوح کاشی و سرامیک نشان داد که روش ارایه شده دارای مزایای متعدد است. از جمله مزایای آن، بهبود نرخ شناسایی و تشخیص عیب و کاهش نرخ خطا با استفاده از روش های کلاس بندی و استخراج ویژگی استفاده شده، سادگی و افزایش سرعت محاسبات و کاهش یافتن زمان تشخیص عیب در روش ارایه شده نسبت به روش های پیشین می باشد. مشکل الگوریتم ارایه شده عدم تشخیص و شناسایی عیب لعاب بر روی سطح کاشی و سرامیک بوده که برای حل این مشکل می توان از الگوریتم های دیگر تشخیص بافت یا دیگر روش های خوشه بندی و استخراج ویژگی استفاده کرد.