基于自适应参数选择OPTICS的晶圆缺陷图像分类方法

本发明公开了一种基于自适应参数选择OPTICS的晶圆缺陷图像分类方法，包括：对晶圆缺陷图像进行孤立及孪生离群点的筛除；将设计好的考虑了簇的形状和大小的簇内密度和簇间密度函数作为综合聚类指标；采用K‑D树算法选取OPTICS的MinPts参数的范围，基于综合聚类指标，获取到MinPts最佳聚类参数；采用基于图论的深度优先搜索算法分析数据点之间的连通性来合并空间相邻簇类，获取到聚类结果；采用改进后的神经网络模型对聚类结果进行分类。本发明从晶圆缺陷图像的离群点去除、OPTICS算法MinPts参数的范围选取及其自适应参数选择三个方面对OPTICS进行改进，并采用改进的神经网络分类模型对预处理后数据集进行分类，有效提高了晶圆缺陷分类精度。