SEM测试能谱eds

在做扫描电子显微镜(SEM)测试时,科学指南针检测平台工作人员在与很多同学沟通中了解到,好多同学对能谱EDS不太了解,针对此,科学指南针检测平台团队组织相关同事对网上海量知识进行整理,希望可以帮助到科研圈的伙伴们;

 

能谱EDS的采样深度大约为1 μm,可对试样微区内Be~U范围内的元素进行分析。根据扫描方式的不同可分为点扫、线扫和面扫。点扫和线扫都是对样品的某一位置进行微区元素分析,两者区别是扫描能谱的面积大小不一。点扫可以给出扫描元素的相对含量,测试准确性较高,常用于显微结构的成分分析。面扫是对样品某一区域的元素分布进行观察。

 

图1对样品的某一位置进行能谱点扫得到的元素图

 

表1样品的相对元素含量

Element

Weight %

Atomic %

Error %

C K

48.96

54.94

5.15

N K

27.91

26.85

19.29

O K

21.35

17.99

12.55

AgL

1.78

0.22

20.03

 

EDS 点分析是将电子束固定于样品中某一点上,进行定性或者定量的分析。如图1所示是能谱点扫给出的峰型图,每一种元素在图中会出现一种峰,由此可以看出样品中所含有的元素,同时,也会相对应的给出如表1所示的元素相对含量表,表中数据展示了相对质量分数和相对原子分数及误差,误差越大表示元素的相对含量可信度越低。

 

图2对样品进行线扫的结果图

 

EDS 线扫描分析是电子束沿一条线对样品进行扫描,能得到元素含量变化的线分布曲线。结合样品形貌像对照分析,能直观获得元素在不同区域的分布情况。图2可以看出,元素含量的差异与形貌结合可以分析样品结构上的差异。

 

图3对样品进行面扫的结果图

 

EDS 面扫描分析是电子束在样品表面扫描,试样表面的元素在屏幕上由亮度或彩色表现出来,常用来做定性分析。亮度越高,元素含量越高,结合形貌像常用于成分偏聚、相分布的研究中。从图1-11中可以看出元素分布的差异,结合形貌图对样品进行定性分析。

 

本文所有内容文字、图片和音视频资料,版权均属科学指南针网站所有,任何媒体、网站或个人未经本网协议授权不得以链接、转贴、截图等任何方式转载。

扫描电子显微镜(SEM)和能谱仪(EDS)是材料科学等领域常用的分析工具,以下是处理和整理它们数据的方法: ### SEM数据整理方法 - **图像导出与格式转换**:从SEM设备自带的软件中导出原始图像,常见格式有TIFF、JPEG等。若后续分析软件不支持原始格式,需进行格式转换。例如,使用图像处理软件Adobe Photoshop或免费的ImageJ软件进行转换。 ```python # 使用Python的Pillow库进行图像格式转换示例 from PIL import Image def convert_image_format(input_path, output_path): image = Image.open(input_path) image.save(output_path) input_image = 'original_image.tif' output_image = 'converted_image.jpg' convert_image_format(input_image, output_image) ``` - **图像标注与注释**:为图像添加必要的标注,如比例尺、样品名称、放大倍数等。可使用图像处理软件中的绘图和文字工具进行标注。对于批量图像标注,也可以使用Python结合OpenCV库实现自动化标注。 ```python import cv2 import numpy as np def add_scale_bar(image, scale_length_pixels, bar_thickness=10, bar_color=(255, 255, 255)): height, width = image.shape[:2] bar_start = (width - scale_length_pixels - 20, height - 20) bar_end = (width - 20, height - 20) cv2.line(image, bar_start, bar_end, bar_color, bar_thickness) cv2.putText(image, f'{scale_length_pixels} pixels', (bar_start[0], bar_start[1] - 20), cv2.FONT_HERSHEY_SIMPLEX, 0.5, bar_color, 2) return image image = cv2.imread('sem_image.jpg') scaled_image = add_scale_bar(image, 100) cv2.imwrite('annotated_sem_image.jpg', scaled_image) ``` - **图像分类与归档**:按照样品类型、实验条件等对SEM图像进行分类,建立清晰的文件夹结构进行归档。例如,以“样品名称_实验日期”为文件夹命名规则,将同一实验的图像放在同一文件夹中。 ### EDS数据整理方法 - **数据导出与格式处理**:从EDS软件中导出原始数据,常见格式有CSV、TXT等。若数据格式不符合后续分析要求,可使用Python的pandas库进行数据格式转换和清洗。 ```python import pandas as pd # 读取CSV文件 eds_data = pd.read_csv('eds_data.csv') # 处理缺失值 eds_data = eds_data.dropna() # 保存处理后的数据 eds_data.to_csv('cleaned_eds_data.csv', index=False) ``` - **元素定量分析结果整理**:提取EDS分析得到的元素含量数据,制作元素含量表格。可以使用Excel或Python的pandas库生成表格,并进行简单的统计分析,如计算平均值、标准差等。 ```python # 使用pandas生成元素含量表格示例 element_data = { 'Element': ['C', 'O', 'Si', 'Al'], 'Weight %': [20.5, 30.2, 25.8, 23.5], 'Atomic %': [35.6, 40.1, 15.2, 9.1] } element_table = pd.DataFrame(element_data) print(element_table) ``` - **谱图处理与保存**:对EDS谱图进行平滑、背景扣除等处理,以提高谱图质量。可以使用专业的谱图分析软件,如Origin、PeakFit等。处理后的谱图保存为常见的图像格式(如PNG、JPEG),并添加必要的注释,如元素位置、谱图采集条件等。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值