EBSD 实操:图像与物相

IQ、BC、CI、MAD、相图与相分数:每个输出到底是什么

把花样清晰度、候选解竞争、几何残差和物相判断分开,并推导相分数及其未索引偏差。

阅读设置

先记住这三点

  1. 质量指标测的是不同环节,数值不能跨软件直接互换。
  2. 相图是给定相库和算法下的分类结果,需要结构与化学证据核对。
  3. 相分数必须写清分母和未索引区域怎样处理。
01

IQ、PQ、BC 与 BS

Image Quality、Pattern Quality、Band Contrast 和 Band Slope 等指标描述花样或条带的清晰程度,但具体公式随厂商和算法变化。例如某些 IQ 由 Hough 峰强度汇总,BC 关注条带对比,BS 关注条带强度变化的陡峭程度。它们受到缺陷、取向、相、制样、曝光与背景处理共同影响。

因此低 IQ 区可提示晶界重叠、局部变形或制样问题,却不能自动标成某一种相或某个应变值。将 IQ 与 IPF 叠加有助于同时看形貌和取向,但显示透明度不应被误认为新的物理测量。FSD/BSE 图像的对比同样可能混有取向、成分与形貌贡献。

02

CI 的一个经典定义

三条带组合投票索引中,可将第一候选得票记为 V1,第二候选为 V2,可能的总投票数为 Videal。经典 CI=(V1−V2)/Videal,反映最佳解相对次佳解的优势。若两者接近,CI 低;若差别大,CI 高。具体软件的定义和后处理修正仍须核对。

例如 V1=18、V2=6、Videal=30,CI=0.4。这不是“40% 的正确概率”。若相库没有真实相,错误候选仍可大幅领先;若两个对称近似解竞争,正确取向也可能得到较低 CI。修改 CI 显示或进行邻域置信度清理,不能被写成重新获得了原始衍射证据。

03

MAD、Fit 与相关度

Mean Angular Deviation 一类指标比较检测条带与预测条带的角偏离,可抽象为 MAD=(1/M)Σδᵢ。Fit 也常用于描述拟合偏差,但具体定义、单位和取值方向需要看对应软件说明。全花样匹配的相关度则比较像素强度分布,并不与角残差同量纲。

低残差说明已选模型很好地解释已检测特征,不保证相、PC 和所有未检测特征都正确。比较结果时应同时看花样、候选竞争和空间合理性。把所有质量指标统一设成“越大越好”也会出错:角残差通常越小越好。

04

相鉴定的逻辑链

候选相由元素组成、热处理和已有知识约束;晶格参数、对称性及原子结构决定可能花样;索引算法比较实验与预测;最后结合相的形貌和化学分布进行核对。EDS 提供化学信息,EBSD 提供晶体结构和取向信息,两者互补。

对结构和参数很相近的相,常规 Hough EBSD 未必能可靠区分。例如钛合金 α 与 α′ 同为 HCP,不能单凭 HCP 相图就宣称识别了马氏体。钢中不同 BCC/BCT 状态也需结合分辨率、四方度、花样模型和其他证据。

05

相分数怎样算

对规则网格和相同像素面积,已索引范围内相 A 分数为 fA,indexed=NA/(Σphases Nphase)。如果研究整个扫描区域,则 fA,total=NA/Nall,同时单列未索引比例 funindexed。两者分母不同,不能不注明就互相比较。非规则网格或配准后面积不均匀时应改用物理面积权重。

课堂例子:总共 1000 个点,A 相 600、B 相 300、未索引 100。已索引内 A 为 66.7%,占全图已确认 A 的面积为 60%。若未知点可能属于任何相,单凭现有分类,A 的全图比例范围可从 60% 到 70%;把未知点自动填成邻相会隐藏这种不确定性。

06

误分类与取样偏差

若某相因为更细、花样更弱或抛光浮凸而更难索引,未索引不是随机丢失。只统计成功点会系统性低估这类相。相库误选还可能把弱相归入强相,提高表面索引率同时降低科学正确性。

二维面积分数推断体积分数需要代表性截面与体视学条件。沿材料特定带状组织刻意选择的区域,应解释为局部面积统计;不能用一个精确小数掩盖样品代表性不足。

07

教程:相图应与哪些图一起看

先看相图、原始质量图和未索引掩膜;再叠加 SEM 或 EDS 检查相界是否合理;选取各相内部、界面附近与低质量区域的花样核对;最后按明确分母输出相分数。不同处理版本之间列出改动点数和面积,不只输出最终“干净”图。

若存在无法区分的候选相,可保留“结构类型已确认、具体相态未定”的结论。这样的结果仍然有用,并给后续 XRD、TEM 或化学分析指出明确问题。

08

读者自检

假设退火后平均 IQ 提高而相分数不变,能否说位错密度下降了一半?不能。你还没有把 IQ 标定为位错密度,也未排除取向、曝光和制样差异。能合理写出的第一层结论是:在给定条件下花样清晰度提高。

接下来才用取向梯度、HR-EBSD、独立位错观测及热过程建立机制解释。每个输出都应留在它自己的定义范围内,组合起来才形成更强证据。

来源与延伸阅读

以下链接用于核对概念、标准状态或原始文献。本页为中文教学整理,不复制受版权保护的标准正文。