如何使用掃描電鏡獲取*的陶瓷類樣品圖像？飛納電鏡與你一起，多角度分析這個問題。

（a）（b）

圖1 同類陶瓷相同電壓不同電流的對比

(a)10kV 電流Low 放大倍數500×

(b)10kV 電流Image 放大倍數350×

圖1顯示了同一類樣品在相同電壓、不同電流模式下的對比圖。可以看出，隨著電流的增加圖像的細膩度增加，信噪比增加，圖像質量上升了。這主要是由于相同加速電壓下，當增加電子束電流之后，有更多的電子跟樣品發生相互作用，電子束在單像素停留時，有更多電子和樣品發生相互作用，探頭接受了更多的BSD信號；另一方面，圖像中單像素范圍內電子束與樣品的相互作用范圍增大，相鄰像素的電子束作用范圍重合度增加，這樣一來單像素的灰度值與鄰近像素的灰度值更趨于接近，灰度變化曲線的平滑性更好，給人一種細膩的視覺感受。對應的劣勢也很明顯，增加電流之后，電子束變粗，分辨率略有下降。

（a）（b）

圖2 同類陶瓷相同電流不同電壓下的對比

(a)電壓5kV 放大倍數350×

(b)電壓15kV 放大倍數350×

圖2反映了相同電流不同加速電壓下的陶瓷樣品形貌對比，可以看出隨著加速電壓的增大，樣品表面的細節信息變少，尤其是紅色圓圈部分的zui表層黑色附著物，在低壓下可以輕松分辨，但是高壓下卻很難看到明顯的襯度差異。這種現象與傳統觀念中認為的“電壓越高分辨率越高”似乎存在矛盾的地方，這是為什么呢？傳統上來講，根據量子力學定律

ΔE=hν=hc/λ

其中，ΔE為電子的能量變化，h為普朗克常數，c為光速，ν為電子的頻率，λ為電子波長。電子被加速的能量越高，它具有的波長越小，也就是說圖2（b）中具有更小的電子束波長。再根據顯微鏡的分辨率d的理論計算公式

公式中，λ為電子束波長，α為孔徑半張角，n為透鏡和樣品之間介質之間的折射率。分辨率跟波長成正比，d∝λ。這樣計算，圖2(a)的分辨率比圖2(b)要低一些。

圖3 電子束和樣品的相互作用區

但是實際上，不僅要考慮分辨率這個單一參數，而且要綜合考慮電子束與樣品的相互作用，以能夠反映觀測者所需要的信息，為zui終衡量標準來判斷。圖3中反映的是電子束和樣品的相互作用區三維圖和示意圖，加速電壓越高，1~2μm的BSE信號產生區將會向下擴展，也就意味著圖2(a)中包含了更多表面細節信息的信號，而圖2(b)中則包含了更多深層次信息，更表層的原子信息比例減少。這就解釋了圖2(b)中分辨率更高，反而細節信息更少的原因。這也是為什么在采購電子顯微鏡時，往往不能只看zui高分辨率參數（雖然的確非常重要）的重要原因，一定要拿樣品實測。

（a）（b）

圖4 陶瓷粉體燒結后

(a)SED 放大倍數5000×

(b)BSD 放大倍數5000×

不光在背散射模式，同樣的，二次電子也有類似的情況。圖4反映的是二次電子和背散射模式的不同，體現了形貌襯度和成分襯度的差異。根據實際需要選擇不同的模式，背散射更多反映成分襯度，有利于雜質的識別、析出物的判斷等；二次電子模式更多反映表面形貌起伏，信號來自圖3中顯示的SE信號產生區，在zui表層的約10nm范圍，適合于斷口失效分析、需要高分辨的納米材料研究等場合。 

（a）（b）

圖5 陶瓷樣品同一位置照片結果

(a)BSD 放大倍數700×

(b)SED 放大倍數700×

圖5顯示了陶瓷樣品同一個位置的不同模式下的形貌圖，可以看出，背散射（圖a）圖片對鍍層之間的金屬層可以清晰區分，呈現亮白色，而二次電子模式則無法清晰區分，而且圖b中的二次電子模式有一定程度的荷電效應，對于樣品的導電性要求更高。低真空的背散射模式基本上能夠滿足大部分的測試需求。

• 能譜分析和其他軟件分析

（a）

（b）

（c）

圖6 飛納電鏡能譜分析 (a)點掃描 (b)線掃描 (c)面掃描

除了基本的形貌觀察之外，電鏡的一些選配件可以實現諸如能譜分析、EBSD、陰極熒光等其他角度的分析。其中zui常見的當屬電鏡能譜分析(EDS)，在圖6中可以看到，電鏡能譜分析的一般方式，即調整電壓和束流參數至合適，直接選點、劃線、框面進行分析，數分鐘之后結果便一目了然。在陶瓷樣品中，經常需要研究摻雜相的分布，比如均勻混合還是只分布于晶界，此時通過圖片顯然不能確定，加上微區成分信息的數據，就有一錘定音的效果了。

（a）

（b）

圖7 (a)飛納電鏡自動全景拼圖軟件AIM

(b) 飛納電鏡孔徑統計分析測量系統PoroMetric

圖8 飛納電鏡3DRR三維粗糙度重建系統

圖7顯示的是根據大面積自動掃描后的拼圖結果，自動進行大面積孔洞統計分析，用到的兩個軟件分別是自動拼圖AIM（Automated Image Mapping）和孔洞統計系統（PoroMetric）。這個過程幾乎不需要人工干預，電鏡自動進行采集圖片和大批量（1000張圖片）分析，自動化程度較高，統計結果是基于真實的圖片信息，結果更為可靠。圖8顯示的是樣品實時觀察位置的3D形貌，利用的軟件是三維粗糙度重建3DRR（3D Roughness Reconstruction），提供樣品表面粗糙度信息。