Sistemas de Produção Flexíveis estão se tornando cada vez mais presentes nas indústrias, que buscam mais agilidade e, consequentemente, a automação de processos têm crescido. Um desses processos é a paletização robotizada, que visa a organizar e empilhar cargas de modo a facilitar sua movimentação e transporte. No entanto, os processos automatizados ainda apresentam problemas que acabam gerando parada de produção e intervenção humana. No caso da paletização, a qualidade dos paletes de madeira é um desses problemas. A fim de solucionar os problemas causados por esses paletes sem condições de uso para aplicação nas células de paletização robotizadas, esta dissertação apresenta um sistema de visão com programa computacional desenvolvido através da plataforma gratuita OpenCV, que pode diferenciar paletes em condições de uso, de paletes sem condições de uso, utilizando a técnica de aprendizagem de máquina Support Vector Machine, evitando paletes malformados, paradas e intervenções humanas. Durante o desenvolvimento do sistema foram procurados métodos de otimizar os valores dos parâmetros presentes nas técnicas escolhidas para o processamento das imagens. Com a otimização desses valores, foi realizada a etapa de classificação, onde as funções Kernel Linear, Polinomial, Sigmoidal e RBF foram comparadas. Os percentuais mais elevados de classificação foram obtidos com as funções Polinomial e RBF, sendo esta a única a atingir 100% de acerto na classificação dos paletes