多模态接触异常识别：基于时序深度学习模型，融合S参数、扎针高度、针痕图像等多源数据，构建接触状态特征库，识别正常接触、轻微/严重接触不良、探针磨损、Pad污染等工况。

强化学习智能清针决策：以探针寿命、测试良率与效率为奖励函数，采用深度强化学习，依据历史清针数据、磨损趋势、接触异常频次及晶圆工艺波动，动态输出最优清针时机与次数。

接触异常识别准确率≥90%

探针使用寿命延长 10%-20%，清针耗时占比降低 20% 以上

实现接触状态全闭环管控，减少 80% 以上的人工干预频次

实现“实时接触状态检测→异常分级→轻度异常触发动态清针→严重异常停机报警”的闭环控制