چکیده: خودکارسازی فرایند تشخیص عیوب محصولات در کارخانه‌ها، اقدام مهمی در جهت بهبود کیفیت، کاهش نیروی انسانی و ارتقاء رضایت مشتریان است. در کارخانه‌های تولید کاشی، یک عیب اساسی که گاهی با چشم هم به‌خوبی شناسایی نمی‌شود، مشکل لایه‌ای شدن کاشی است که به سبب باقیماندن هوا در لایه‌های داخلی کاشی به وجود می‌آید. این مشکل هر چه سریع‌تر در خط تولید شناسایی شود، هزینه‌های کمتری را در بر خواهد داشت. در این پایان نامه، با استفاده از امواج فراصوت، روشی هوشمند به‌منظور تشخیص عیب لایه ای قبل از پخت کامل کاشی، ارائه شده است. در ابتدا با استفاده از مولد امواج فراصوت و حس‌گر دریافت‌کننده امواج، یک مجموعه 546 تایی از سیگنال‌های فراصوت عبوری از کاشی‌های 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 به‌طور 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 استفاده‌شده 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.