Glaucoma é uma doença ocular que danifica o nervo óptico causando a perda da visão. Considerada a segunda principal causa de cegueira no mundo, ficando atrás apenas da catarata. Com o objetivo de auxiliar especialistas no diagnóstico desta doença, sistemas de auxílio por computador são utilizados para reduzir a possibilidade da prescrição de tratamentos inadequados. Assim, vem sendo desenvolvidos sistemas de diagnóstico automático de glaucoma. Contudo é possível realizar melhorias nestas técnicas, visto que, os sistemas atuais não lidam com uma grande diversidade de imagens. Existem duas regiões das imagens da retina que são de suma importância para a detecção do glaucoma, sendo elas, as regiões do disco óptico e da escavação. Este trabalho apresenta uma nova metodologia para criação de um sistema de diagnóstico do glaucoma aplicado nas imagens da retina. Será aplicado descritores de textura e Redes Neurais Convolucionais (CNNs) nas imagens da retina sem segmentação (imagem original) e em imagens segmentadas na região do disco óptico. As características obtidas são selecionadas de acordo com a sua razão de ganho de informação. O sistema proposto tem como objetivo ser capaz de classificar corretamente imagens com diferentes características advindas de diferentes bases de imagens. Os resultados mostraram que a junção dos descritores GLCM e CNNs e a utilização do classificador Random Forest são promissores na detecção dessa patologia, obtendo uma acurácia de 93,35% em 873 imagens de 4 bases de dados públicas.