晶圆图缺陷模式无监督聚类分析数据

该数据用于直接通过预训练特征提取结合DBSCAN密度聚类算法，对大量未标注的Wafer Map图像进行无监督聚类分析，主要应用于半导体集成电路制造领域的工艺窗口监控与未知pattern发现场景。在晶圆厂中，针对产线中可能出现的新型或混合型未知pattern，可进行聚类将分布相似的晶圆自动归为同一群组，判断异常批次中是否存在共性空间特征，实现工艺窗口的主动监控与早期预警，有效提高工艺监控工程师和良率管理人员的异常模式识别效率，及时发现产线潜在偏移风险。本数据均为通过真实数据分布特点模拟出来的wafer map图，来源清晰无争议。 针对Wafer Map图像，采用特征提取结合DBSCAN密度聚类方法，将分布相似的晶圆自动归并分组，具体步骤如下： 步骤1：将输入图像缩放至224×224分辨率，像素值归一化至[0,1]区间，采用标准化处理使各通道均值为0、方差为1。 步骤2：采用ImageNet预训练的ResNet-50作为特征提取网络，移除全连接分类层，取全局平均池化层输出的2048维向量作为图像特征，并进行L2归一化。 步骤3：采用主成分分析（PCA）将2048维特征降维至128维，保留约95%的方差信息。 步骤4：采用DBSCAN算法进行密度聚类，选择余弦距离作为距离度量，eps=0.35，min_samples=5，通过网格搜索结合轮廓系数确定最优参数，噪声样本标记为异常类别。 步骤5：输出每张图像的簇标签，将相似空间分布模式的晶圆归并至同一群组即拥有同一个簇标签。 本数据一共3446张图，聚成32个簇。其中簇0有36张，簇1有298张，簇2有20张，簇3有165张，簇4有122张，簇5有22张，簇6有134张，簇7有10张，簇8有29张，簇9有28 张，簇10有2张，簇11有523张，簇12有187张，簇13有335张，簇14有10张，簇15有43张，簇16有16张，簇17有107张，簇18有34张，簇19有155张，簇20有1 52张，簇21有238张，簇22有20张，簇23有45张，簇24有130张，簇25有21张，簇26有253张，簇27有3张，簇28有16张，簇29有65张，簇30有140张，簇31有87张。

搜集汇总

背景与挑战

背景概述

本数据集包含3446张模拟生成的晶圆图，通过ResNet-50预训练特征提取、PCA降维和DBSCAN密度聚类，将图像无监督地聚为32个簇，旨在应用于半导体制造中的工艺窗口监控与未知缺陷模式发现。数据来源于杭州广立微电子股份有限公司，已进行知识产权登记和区块链存证，格式为zip，包含图片名和对应簇标签。