Pada penelitian ini kriteria butir beras yang ditentukan berupa butir utuh, butir kepala, butir patah, butir menir, gabah dan benda asing. Jumlah sampel masing-masing kriteria sebanyak 100 butir untuk training dan 100 butir untuk testing. Penelitian ini menggunakan metode Multi-layer Perceptron (MLP) yang memiliki 14 input layer, yaitu area, panjang, diameter, perimeter, energi, kontras, homogenitas, korelasi, dan Indeks warna R (red), G (green), B (blue), H (hue), S (saturation), I (intensity). Pada penelitian ini, MLP juga memiliki 5 hidden layer dan 6 output layer yang berupa butir utuh, butir kepala, butir patah, butir menir, butir gabah dan benda asing. Hasil penelitian menunjukan akurasi yang baik, sistem dapat mengenali ke enam kriteria dengan sangat baik. Analisa menggunakan 14 fitur menghasilkan tingkat akurasi sebesar 100% untuk semua varietas beras yang tidak dicampur. Analisa menggunakan 14 fitur menghasilkan tingkat akurasi sebesar 84,44% untuk beras Ciherang; 98,88% untuk beras Sanbei dan 100% untuk beras Sigupai. Analisis gabungan dari fitur area, panjang, indeks warna B (Blue) dan S (Saturation) menghasilkan tingkat akurasi sebesar 100% untuk semua varietas beras yang dicampur dan tidak dicampur.