当前位置: 首页 > news >正文

透射TEM 新手入门:快速掌握核心技能

目录

简介​

一、TEM 基本知识

1. 核心原理(理解图像本质)​

2. 关键结构与成像模式(对应图像类型)​

二、TEM 数据处理

1. 预处理(通用步骤)​

2. 衍射花样(SAED)处理(金属材料核心)​

3. HRTEM 图像处理​

4. STEM 图像处理​

三、金属材料 TEM 内容分析

1. 显微组织分析​

2. 晶体结构分析​

3. 界面 / 析出相分析​

四、必备工具与注意事项​

1. 核心软件(操作要点)​

2. 避坑指南​

参考学习链接


简介​

透射电子显微镜(Transmission Electron Microscope,TEM)在材料学研究中是不可或缺的 “利器”,它能帮助我们窥探材料的微观世界,了解其组织结构与性能的关联。但对于刚接触 TEM 的材料学新手来说,往往会被其复杂的原理和操作所困扰。别担心,本篇博客将为你梳理 TEM 的核心知识,帮助你快速上手 TEM 图像的数据处理和内容分析,轻松迈入 TEM 研究的大门。​

一、TEM 基本知识

1. 核心原理(理解图像本质)​

电子束就像一把 “探针”,当它与材料相互作用时,会发生弹性散射和非弹性散射。弹性散射是成像和衍射的关键,就好比光线遇到镜面反射一样,电子束的方向改变但能量不变,这让我们能得到清晰的图像和衍射花样非弹性散射则会产生衬度和 EDS 信号衬度能让我们区分材料的不同区域,EDS 信号就像材料的 “身份证”,能告诉我们材料里含有哪些元素。​

在分辨率方面,空间分辨率在金属材料中大概是 0.1-0.2nm,这取决于设备的性能,它决定了我们能看到多小的细节;衍射分辨率则关系到晶面间距测量的精度,这对于分析晶体结构很重要。​

2. 关键结构与成像模式(对应图像类型)​

TEM 的结构就像一条精密的 “电子通道”:电子枪是电子的 “发源地”,产生电子束;聚光镜负责把电子束聚焦,让它更集中;样品室是放置金属薄片样品的地方,我们要研究的材料就在这里接受电子束的 “探测”;物镜是成像的核心,它的性能直接决定了图像的分辨率;中间镜投影镜则起到放大作用,把微小的结构放大到我们能看清的程度;最后由探测器记录下图像和衍射花样。​

对于金属材料,常用的成像模式有以下几种:​

  • 明场像(BF):能呈现质厚衬度和衍射衬度,就像我们用普通相机拍照一样,能看到晶粒、缺陷等结构。​
  • 暗场像(DF):可以强化特定的相或缺陷,比如析出相、位错等,让它们在图像中更明显。​
  • 选区电子衍射(SAED):这是分析晶体结构和取向的核心,它能产生独特的衍射斑点,就像晶体的 “指纹”。​
  • 高分辨 TEM(HRTEM):能看到原子排列和晶格条纹,让我们能观察到界面、纳米相等细微结构。​
  • STEM(扫描透射):其 HAADF 像具有原子序数衬度,重元素在图像中会更亮,就像用不同颜色标记了不同元素。​

从左往右依次是明场像、暗场像、中心暗场像的成像原理图

二、TEM 数据处理

1. 预处理(通用步骤)​

  • 降噪:高斯滤波就像给图像 “磨皮”,能模糊噪声但保留大结构;中值滤波则擅长去除斑点噪声,对于有颗粒、缺陷的图像很适用。​
  • 衬度调整:直方图均衡化能增强弱衬度,比如一些不明显的界面,经过调整后能看得更清晰。​
  • 畸变校正:校准标尺很重要,我们可以用标样如金颗粒、硅单晶的衍射来标定,确保测量数据的准确性。​

2. 衍射花样(SAED)处理(金属材料核心)​

  • 标定步骤:​

        ① 先测量衍射斑点间距(R),然后根据公式 d=K/R(K 为相机常数,设备会提供)计算晶面间距。​

        ② 测量斑点之间的夹角,再对应查找晶面夹角,可以查 PDF 卡片或用晶体学公式计算。​

        ③ 结合金属相结构,比如面心立方(FCC)、体心立方(BCC),来确定物相。​

TEM衍射花样标定流程图

  • 软件:Digital Micrograph(DM)能自动测量 R 和角度,非常方便;JEMS 可以模拟衍射花样,我们可以把模拟结果和实验结果对比,辅助确定物相。​

3. HRTEM 图像处理​

傅里叶变换(FFT)能把晶格条纹转化为衍射斑点,让我们快速判断晶面间距;逆傅里叶变换(IFFT)则可以过滤噪声,保留特定的晶面条纹,比如界面处的匹配晶格。​

4. STEM 图像处理​

在 HAADF 像中,我们可以用 ImageJ 测量颗粒尺寸,做粒径分布统计;通过衬度分析还能判断成分差异,比如富 Cr 析出相通常会更亮。​

三、金属材料 TEM 内容分析

1. 显微组织分析​

  • 晶粒:用 ImageJ 测量晶粒尺寸,一般用等效圆直径来表示,还可以做统计分布,画出柱状图;通过 BF/DF 像能判断晶粒形态,是等轴的还是柱状的。​
  • 相鉴定:结合 SAED 标定结果和 EDS 成分分析,能确定析出相,比如钢中的 Fe3C、铝合金中的 Mg2Si。​
  • 缺陷识别:
    • 位错在 BF 像中是暗线,有刃型和螺型之分,用 DF 像可以让它更明显;在 SAED 中,菊池线弯曲说明存在应变场。​
    • 孪晶在 HRTEM 中呈现交替的晶格条纹,比如 FCC 金属孪晶界会有镜像对称的特征。​
       

2. 晶体结构分析​

  • 晶格常数:通过测量 HRTEM 条纹间距(d 值),再根据公式计算,比如 FCC 中 a=d√(h²+k²+l²)。​
  • 取向关系:SAED 花样中如果有两组衍射斑点,分别对应基体和析出相,我们可以计算它们的取向差,比如 [111] 基体 //[111] 析出相。​

3. 界面 / 析出相分析​

  • 界面结构:用 HRTEM 观察原子排列,能判断界面是共格、半共格还是非共格的,比如铝合金中 GP 区与基体就是共格的。​
  • 析出相:STEM-HAADF 像能确定析出相的分布,包括尺寸和密度;SAED 能确定其结构;EDS 则能确定其成分。​

四、必备工具与注意事项​

1. 核心软件(操作要点)​

  • DigitalMicrograph(DM):能进行基础处理,如裁剪、测量、FFT 等,在 SAED 标定方面,它自带标尺和角度工具,很好用。​
  • ImageJ:用于颗粒尺寸统计,操作是 “分析→测量”;还能进行衬度调整,在 “图像→调整” 里操作。​
  • JEMS:输入晶体结构参数后,能模拟衍射花样,方便我们和实验结果对比。​

2. 避坑指南​

  • 样品影响:金属薄片厚度过厚会导致衍射斑点模糊,所以要把薄片减薄到 100nm 以下。​
  • 成像条件:HRTEM 如果欠焦或过焦,条纹衬度会反转,所以要校准聚焦,以无衬度线为准。​
  • 多手段验证:用 SAED 鉴定物相时,要结合 EDS 成分,比如在 Fe-Ni 合金中,FCC 结构可能是奥氏体或 Ni3Fe,这时候就需要 EDS 确认 Ni 的含量来区分。​

参考学习链接

一文了解透射电镜(TEM)知识重点(动图演示)

你要掌握的透射电镜(TEM)的基础知识 - 知乎

TEM数据处理的基本原理与应用 - 素雅技术服务

本系列后续会持续更新TEM图像分析及数据处理软件的常规操作哦!

http://www.dtcms.com/a/342888.html

相关文章:

  • 【每日一道算法题 day5】盛最多水的容器 (Container With Most Water) - LeetCode 题解
  • 深度学习之NLP基础
  • 【React】tab切换功能和排序实现,classnames工具优化类名控制
  • Java基础环境jdk和maven安装及配置+开源项目下载及编译打包教程
  • Flutter如何通过GlobalKey调用组件内的方法
  • 微服务的编程测评系统13-我的竞赛列表-elasticSearch
  • 与H5交互,与flutter的交互
  • 求解三位数
  • 深度解析DeepSeek V3.1 :6850 亿参数开源模型如何以 71.6% 编码得分、68 倍成本优势重构全球 AI 竞争格局
  • 使用postman模拟http请求webservice服务
  • 企业如何用外贸进销存系统管理好库存产品?
  • Docker安装elasticsearch以及Kibana、ik分词器
  • 从零开始打造 OpenSTLinux 6.6 Yocto 系统(基于STM32CubeMX)(十三)
  • 相似图像处理程序
  • mac的m3芯使用git
  • 1.2 亿篇论文数据集,多学科学术语料库,涵盖医学、化学、生物学、人文、物理、工程、数学、生态、经济与计算机科学,用于 NLP、知识图谱与大模型训
  • 意象驱动的深层语义:感知认知统一对自然语言处理与知识图谱的影响
  • 数据结构——二叉树(Binary Tree)
  • 自然语言处理NLP L4: 高级语言模型——四种泛化平滑方式
  • Spring全家桶之全局异常处理
  • Spring Boot生态中ORM对数据治理的支持有哪些?
  • Ubuntu22.04配置网络上网
  • linux-ubuntu里docker的容器portainer容器建立后如何打开?
  • Maven无法修改镜像,镜像在IDEA里不生效
  • 室外和室内 PoE 延长器有什么区别?
  • [CSP-J2020] 直播获奖
  • 集成学习:从原理到实战,一文掌握 Bagging、Boosting 与 Stacking
  • 集成学习:如何让多个 “弱模型” 变成 “强模型”?
  • demo 汽车之家(渲染-筛选-排序-模块抽离数据)
  • Linux之Ansible自动化运维(二)