رادیوگرافی یکی از روشهای اصلی تست کیفیت جوش می باشد. تصاویر رادیوگرافی جوش هنوز هم به شکل سنتی و توسط انسان تفسیر می شود. خودکار کردن تفسیر تصاویر رادیوگرافی جوش در صنعت علاوه بر افزایش دقت تفسیر و سرعت آن، هزینه ها را نیز کاهش می دهد. با توجه به اینکه یک نوع عیب ممکن است به چند شکل مختلف و در جهات مختلف ظاهر شود ، ضروری است که ویژگیهایی از عیوب استخراج شود که در یک نوع عیب خاص، کمترین وابستگی را با تفاوتهای جزئی شکل یک نوع عیب داشته باشد. در این پروژه از 7 ویژگی برای طبقه بندی 6 نوع عیب رایج در جوش استفاده شده است. تصاویر رادیوگرافی این پروژه، از اسکن فیلمهای رادیوگرافی شرکت گاز استان خراسان بدست آمده اند. این تصاویر شامل 202 تصویر از جوش سالم و 700 تصویر از جوش معیوب (مجموعا دارای 846 عیب) می باشند. ویژگیهای هفت گانه عیوب استخراج شده و با بررسیهای آماری، 10 ترکیب از این 7 ویژگی به دست آمده است. پس از آن یک سیستم ژنتیک- فازی برای طبقه بندی عیوب، ارائه شده است و سپس نیز از شبکه عصبی به عنوان ابزار استاندارد برای این کار استفاده شده است. هر سیستم 40 بار هربار با یک توزیع متفاوت از داده ها آموزش دیده و سپس با توزیع دیگری تست شده است. در انتها نتایج این دوسیستم از لحاظ آماری مقایسه شده است و نشان داده شده است که سیستم ga-fuzzy نتایج بهتری نسبت به شبکه عصبی داشته است.