چکیده: با توجه به این که تشخیص عیوب پارچه در فرآیند بازرسی صنعت نساجی، عمدتاً باید به صورت بر خط انجام شود، زمان پردازش الگوریتم مورد استفاده در قابلیت اجرای آن نقش اساسی دارد. اکثر الگوریتم های گذشته به دلیل محاسبات زیاد این قابلیت را ندارند. علاوه براین در کاربرد واقعی، بسیاری از عیوب به وجود آمده در سطح پارچه غیر قابل پیش بینی هستند و ساختار مشخصی ندارند. بنابراین آموزش سیستم تشخیص عیب با در دست داشتن تمام عیوب عملا غیرممکن است. بنابراین سیستم تشخیص عیب، باید تا حد امکان خودکار بوده و نیاز به آموزش کلاس معیوب نباشد. در این پایان نامه روش جدیدی ارائه می گردد که با استفاده از خوشه بندی به جای طبقه بندی، مرحله آموزش حذف شده و تنها با استفاده از شباهت ها و تفاوتهای نقاط داده ای در مجموعه داده مفروض به کشف ساختار موجود در بافت پارچه می پردازد. خوشه بندی فازی مبنای کار قرار گرفته است و از الگوریتم ژنتیک و تبدیل موجک درآن استفاده شده است. در روش پیشنهادی از تبدیل موجک به عنوان پیش پردازش، جهت کاهش بافت زمینه و وضوح نقایص و از الگوریتم خوشه بندی FCM برای تشخیص معایب موجود در پارچه های طرح داراستفاده شده است. الگوریتم ژنتیک با پیدا کردن مراکز خوشه بهینه و بهبود عملکرد خوشه بندی فازی، طیف وسیع تری از معایب موجود در پارچه های طرح دار را پوشش میدهد. الگوریتم ارائه شده با کاهش پیچیدگی محاسباتی، قابلیت پیاده سازی جهت سیستم تشخیص خودکار عیوب بافتی پارچه را دارا است.