امروزه با هدف بالا بردن کیفیت محصولات نهایی، در خطوط تولید، از سیستمهای بازبینی خودکار بهره گرفته میشود. این امر با افزایش سرعت و دقت بازبینی محصولات، توسط این سیستمها انجام میشود. در این تحقیق یک روش جدید آشکار سازی عیوب، برای پارچه های طرحدار و بدون طرح با استفاده از تبدیلات حوزه مکان و فرکانس، و روشهای شناسایی آماری الگو و همچنین یک دسته بندی جدید، که کلیه روشهای تشخیص خودکار عیوب را به دو دسته "برجسته ساز عیوب" و "جستجوگر عیوب " تقسیم می کند، ارائه مشود. روش مورد استفاده در این تحقیق مربوط به دسته جستجوگر عیوب است، که بر خلاف روشهای پیشین بر روی تصاویر مربوط به پارچه های طرح دار و بدون طرح به خوبی عمل میکند. در این روش با داشتن دانش قبلی در مورد نوع عیوب، در مرحله استخراج ویژگی با استفاده از تبدیل موجک بسته ای و یا فیلتر گابور، ضرایبی که مربوط به ویژگی عیوب می باشند را جدا میکنیم و سپس به این فضای ویژگی جهت کاهش ابعاد و طبقه بندی بهتر، pca و lda اعمال میکنیم. در نهایت در مرحله طبقه بندی با استفاده از روش knn، تصاویر را به دو دسته عیب دار و بدون عیب تقسیم میکنیم. این روش، خطای آشکارسازی را برای پارچه های طرح دار به شدت کاهش میدهد. با به کار گیری این روشها خطای طبقه بندی بین ?? تا ?? درصد، نسبت به روش مشابه کاهش پیدا کرده و در برخی موارد خطا به صفر رسیده است. همچنین به دلیل کاهش مرتبه محاسباتی سرعت پردازش تصاویر به مراتب بیشتر از روشهای قبلی میباشد.