一种基于半监督学习的晶圆缺陷分类方法与系统

本发明公开一种基于半监督学习的晶圆缺陷分类方法与系统，包括：获取包含缺陷模式分布的特征集；根据得到的特征集分离标注数据和未标注数据子集，确定初步缺陷分类模型；根据初步缺陷分类模型对未标注数据子集的预测标签，得到增强后的训练数据集；针对增强后的训练数据集应用聚类算法分组异构信息，判断分组内特征相似度，若相似度超过阈值则融合分组特征，得到优化特征表示；从优化特征表示中提取复杂特征子集，确定适应新生产场景的分类参数；根据分类参数处理实时晶圆图像输入，若输入特征匹配优化特征表示则输出缺陷类型标签，判断分类精度指标，得到最终缺陷分类结果。