1、 在caffe上设计深度学习模型（CNN、Autoencoder）设计DBN、CDBN模型，并将其应用到半导体SEM缺陷图像上分类，达到分类准确率92%。
2、 开发SVM、Adaboost、NN、Rule-Based贝叶斯分类器，将其应用到缺陷分类上，准确率达到90%。
3、 提取了217维特征，包括时域方面的特征和频域方面的特征、主要有几何特征、纹理特征、各阶矩特征、傅里叶变换特征、Gabor变换特征、小波变换特征等。并将提取的特征用于分类中。
4、 设计了两种聚类算法，将缺陷图片进行了聚类分析，方便手工label标签。
5、 设计了两种特征选择算法，将提取的特征进行重要性排序和特征降维。
6、 实现了七种图像滤波算法，统一各种滤波器的接口、以方便调用这些滤波器算法。
7、 实现一种缺陷检测算法。
8、 在图像的后处理方面，使用了图像形态学处理方法对图像进行后处理。
9、 实现在界面上展示分类、聚类、特征选择的结果。