Telah dikembangkan Sistem pengenalan cacat pada pengelasan metal dengan menggunakan analisis multi revolusi sebagai ektraksi ciri dan jaringan neural buatan sebagai pengklasifikasiannya. Input citra merupakan film Sinar-X dari teknikradiografi beberapa pengelasan metal yang telah didigitalisasi. Ekstraksi ciri menggunakan wavelet dan 14 ciri Harralick untuk mengenali pola tektur dalam citra Sedangkan jaringan neural buatan yang digunakan adalah Back Propagation dan Probabilistic Neural Network Pengklasifikasi pengenalan cacat akan dikelompokkan menjadi 8 kelas berdasarkan jenis cacat yaitu: kelas 1 (normal), kelas 2 (distributed) porsity), kelas 3 (incomplete penetration), kelas 4 (burn through), kelas 5 (cluster porosity), kelas 6 (excessive cap), kelas 7 (excessive penetration) dan kelas 8 (incomplete fussion). Hasil akurasi pengenalan terbaik untuk citra yang belum diketahui jenis cacatnya mencapai 83 % untuk perbandingan data pelatihan dan data pengujian 1:1