智能方案二

1、不同終端廠家對產品缺陷限度要求不同。

2、不同終端廠家對不同缺陷種類的限度要求不同。

3、被檢產品型號多、工藝不同，針對不同型號不同工藝所產生的缺陷種類有差別，重點檢測的缺陷類型有區別。

4、客戶可提供的樣品有限，需要使用較少的樣品得到針對不同型號不同工藝的不同被檢產品的對應預測模型。

5、不同缺陷均有尺寸、面積、灰度值、輪廓、與臨近點構成的離散幾何關系等可數值化的重要特征，可使用較少的特征數量定義缺陷。

 6、通過合適的學習算法以及合適的樣本數量，可以得到針對單個缺陷的95%以上的預測精度，其中，FSL算法85%的數據可以得到99%以上的預測精度，15%的數據可以得到70%左右的預測精度