扫描(SEM)-透射(TEM)-原子力(AFM)的比较

news2026/5/24 13:01:57
SEM 扫描电子显微镜扫描电镜成像是利用细聚焦高能电子束在样件表面激发各种物理信号如二次电子、背散射电子等通过相应的检测器来检测这些信号信号的强度与样品表面形貌有一定的对应关系因此可将其转换为视频信号来调制显像管的亮度得到样品表面形貌的图像。主要是观察显微组织。优点能够直接观察样品表面的结构 样品的尺寸可大至 120mm×80mm×50mm。样品制备过程简单不用切成薄片。样品可以在样品室中作三度空间的平移和旋 转因此可以从各种角度对样品进行观察。景深大图象富有立体感。扫描电镜的 景深较光学显微镜大几百倍比透射电镜大几十倍。图象的放大范围广分辨率也比 较高。可放大十几倍到几十万倍它基本上包括了从放大镜、光学显微镜直到透射电镜的放 大范围。分辨率介于光学显微镜与透射电镜之间可达 3nm。电子束对样品的损伤与 污染程度较小。在观察形貌的同时 还可利用从样品发出的其他信号作微区成分分析缺点异常反差。由于荷电效应二次电子发射受到不规则影响造成图像一部分异常亮另一 部分变暗。图像畸形。由于静电场作用使电子束被不规则地偏转结果造成图像畸变或出现阶段差。图像漂移。由于静电场作用使电子束不规则偏移引起图像的漂移。亮点与亮线。带电样品常常发生不规则放电结果图像中出现不规则的亮点和亮线。TEM 透射电子显微镜透射电镜是把经加速和聚焦的电子束投射到非常薄的样件上电子与样品中的原子碰撞而改变方向从而产生立体角散射。散射角的大小与样品的密度、厚度相关因此可以形成明暗不同的影像影像将在放大、聚焦后在成像器件上显示出来。主要观察超限微结构。优点光学镜和透射电子显微镜都使用用薄片的样品而透射电子显微镜的优点是它比光学显微镜更大程度的放大标本如放大 10000 倍或以上是可能的这使科学家可以看到非常小的结构。对于生物学家如线粒体和细胞器细胞内部运作都清晰可见。透射电镜标本的晶体结构提供了出色的分辨率甚至可以显示样本内的原子排列。缺点透射电子显微镜需要在真空室制备标本。由于这一要求显微镜可以用来观察活标本如原生动物。一些微妙的样品可能被电子束损坏必须先用化学染色涂层来保护他们。这种做法有时会破坏试样。AFM原子力显微镜原子间作用力的检测主要由光杠杆技术来实现。如果探针和样品间有力的作用悬臂将会弯曲。为检测悬臂的微小弯曲量位移采用激光照射悬臂的尖端四象限探测器就可检测出悬臂的偏转。通过电子学反馈系统使弯曲量保持一定即控制扫描管Z 轴使作用于针尖——样品间的力保持一定。在扫描的同时定位检测器监测样品表面的高度变化通过记录反馈信号就可以得到样品表面的形貌。优点在大气条件下以高倍率观察样品表面且能三维立体成像。制样简单不会破坏成品可用于几乎所有样品对表面光洁度有一定要求而不需要进行其他制样处理就可以得到样品表面的三维形貌图象。并可对扫描所得的三维图象进行粗糙度计算、厚度、步宽、方框图或颗粒度分析。可以在常压和液体环境下工作缺点扫描范围小扫描结果缺乏重现性。受样品的影响大容易产生赝像。针尖易磨损并无法修复受污染难以清洗。SEM与AFM的区别SEM和AFM观察都是针对生物材料的表面形貌。SEM的景深比AFM的大所以图像的立体效果好但是对于纳米级的结构分辨不好而AFM的景深小图像的立体感和反差不如SEM但是对于纳米级的结构解析度好。此外AFM的制样简单但观察比较费时间。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2635716.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…