Glaucoma é uma doença ocular que danifica o nervo óptico causando a perda da visão. Ela é a segunda principal causa de cegueira no mundo, ficando atrás apenas da catarata. Com o objetivo de auxiliar especialistas no diagnóstico dessa doença, sistemas de auxílio por computador são utilizados para reduzir a possibilidade da prescrição de tratamentos inadequados. Assim, vários sistemas de diagnóstico automático de glaucoma têm sido propostos, contudo é possível realizar melhorias nestas técnicas, visto que, os sistemas atuais não lidam com uma grande diversidade de imagens. Este trabalho apresenta uma nova metodologia para criação de um sistema de diagnóstico do glaucoma aplicado nas imagens da retina, através do uso de descritores de textura e Redes Neurais Convolucionais (CNNs), onde as características obtidas são selecionadas de acordo com a sua razão de ganho. 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 91,06% em 873 imagens de 4 bases de dados públicas.