← 返回知识站 · 知识站(科研工具) | 科研工具 · 课程不讲授 EBSD 科研工具
EBSD 科研工具 对应课程位置:科研工具 · 课程不讲授 · 本页是工具,讲解在知识站正文
使用边界 · 科研工具(课程不讲授)

这个工具在什么情况下会给出错的结果

本专栏服务于科研与研究生工作,不属于《材料结构分析》本科课程内容,考试不涉及。

  • EBSD 指标化对赝对称敏感:立方系中某些相(如 CuFe₂O₄ 与相关尖晶石结构)花样高度相似,霍夫变换易误标,字典标定能降低但不能消除。
  • KAM、GROD 等参量随步长变化,跨数据集比较前必须统一步长与降噪流程。
  • 数据清理(去野点、填充)会改变晶粒计数与尺寸分布,处理前后必须各存一份原始数据。

不用这个工具,也能自己算一步

用已知样品做一次闭环:标定结果中的相、取向、Σ3 比例是否与 XRD 物相分析、TEM 选区衍射各自独立得到的结论一致。三者一致才算数据可信;仅软件给出高 CI 值不足以作为判据。

EBSD & TKD · 八部分中的第 5 部分

为什么 EBSD 清理会改变我的晶粒计数?

清理是假晶粒消亡之处(有时真晶粒也会遭殃,哎)。

每一张已发表的 EBSD 图都经过清理。原始文件在标定失败处有空洞,在投票选错晶体处有散斑,而标准算法能让两者都消失。算法本身没问题。值得审视的是, 它们无一例外都是通过用猜测替换测量来起作用的. 本页拥有真实实验永远不具备的东西: 正确答案,因此你可以精确观察猜测何时变成了凭空捏造。

清理并不会恢复数据。它只是按照自身的假设制造出一致性,这本身没问题,直到它不再成立为止。

01

原始数据的样子

这是一幅每个像素都精确已知的显微组织(母相和孪晶薄片,与 第 3 部分同一铸件),旁边是它的真实扫描结果。 真实数据中几乎所有的损害都来自两种污染,而这两者你都能控制。

未标定点 聚集在晶界处,那里相互作用体积横跨两个晶体,花样是两个花样的叠加,此外还有划痕、污染和灰尘散布在任何地方。软件诚实地返回空值。 误标定斑点 则更微妙:第1部分的三重点投票选出一个错误但自信的取向(赝对称、重叠、运气不好),在原本干净的晶粒中撒下外来取向的单个像素。两者出现的位置,恰恰是置信指数已经警告过你的地方。

真值与测量 真值是实验永远没有的东西
未标定 斑点 = 外来颜色的单个像素
标定率
–
有答案的像素百分比
错误答案
–
已标定像素的百分比 · 在图上不可见
– –
在两种视图之间切换。空洞会自己暴露出来;斑点你可以眯着眼忽略过去;而最重要的错误答案——自信地误标的像素——看起来和数据一模一样。测量图上没有任何东西能区分它们,除了有时较低的CI。
02

清理机器

厂商提供一系列清理步骤(晶粒膨胀、晶粒CI标准化、邻域取向相关),它们可以组合使用。下面的机器以其最朴素的形式运行同样的逻辑: 首先用邻居的多数取向填充每个空洞,然后继续:重新分配任何与邻域不一致的像素。 一个滑块,从“未处理”到“彻底清洗”。

一个滑块,从原始到清洗后 看计数器,而不只是看图像
被重写的像素
–
软件改变的图面百分比
其中猜对的
–
与真值一致的百分比
– –
1–3级主要填充空洞,猜测大多正确:晶粒A两个像素之间的空洞很可能就是晶粒A。从4级开始,机器开始否决 测量 像素,到滑块顶端时,它正在拉直晶界,并明显蚕食最细的孪晶薄片。整个过程中图变得越来越漂亮。
深入:真实算法的名称

晶粒膨胀 将已标定晶粒生长到未标定空间,直到空洞消失:即上面的填充阶段。 晶粒CI标准化 为晶粒中的每个像素赋予该晶粒的最佳CI,这样后续的CI过滤会丢弃孤立的低置信度点但保留晶粒;它本身不重写任何取向,但它决定了下一轮可以重写什么。 邻域取向相关 重新分配与大多数相邻像素不一致的像素:即上述平滑阶段,也是会吞掉真实特征的那个阶段。较新的图案空间方法(NPAR 及其同类方法)在索引之前对原始数据进行平均,而不是在索引之后修改取向:表现更好,但同样有义务说明这一点。 花样 每个软件包都不会在图中记录这些内容。最终生成的图不会带有水印说“这些像素中有14%是插值”。那个水印是图注的职责,这正是本页的重点。

每个软件包都不会在图中记录这些内容。最终生成的图不会带有水印说“这些像素中有14%是插值”。那个水印是图注的职责,这正是本页的重点。

03

它对统计量做了什么

图像不是交付物;数据才是。因为本页掌握真相,所以它能绘制出任何实验都无法绘制的: 每个统计量在每个清理级别下的实际误差。 下面的曲线在清理后的图上重新运行第 3 部分的晶粒计数和孪晶分数,在滑块的每一级上,并与已知答案进行比较。

没有人能为真实数据绘制的曲线 虚线为真实值
晶粒数 Σ3 孪晶长度分数 像素与真值的偏差 真值(虚线)

遵循模块 1 和模块 2 中的设置

该数据集的最佳水平
–
最小像素误差,只有借助真值才能得知
当前水平下的晶粒数
–
true: –
当前水平下的 Σ3 比例
–
true: –
– –
像素误差曲线呈 U 形:清洗起初确实有益,随后确实有害,而转折点出现在 图像在肉眼看来仍在改善之时。在真实实验中,这条曲线是不可见的。你是在 盲选曲线上的一个点。这种不对称性正是清洗的全部伦理所在。
诚实的操作规范

在方法部分说明每一步清洗及其参数。报告原始标定率。在补充材料中保留原始 图像。尽可能仅根据实测像素计算晶界和晶粒统计量,并检验结论在零清洗和所选水平两倍时是否依然成立。如果 某个结果仅在清洗后才出现,那它就是清洗本身的性质。

一个值得点名的陷阱

清理效果靠肉眼对照预期来验证,这就使它成为一台确认预期的机器。最棘手的失效模式不是噪声残留,而是真实的、意料之外的特征(细孪晶、再结晶晶核、第二相)被清除掉,因为算法在调到图"看起来对"的过程中,把它当成了噪声。看上面演示中最细的薄片在最后几个滑块档位被一点点吃掉。你的也会如此。

来源与进一步阅读

引用此页: Tripathy, Manisha. “Cleaning data honestly.” untethered atom, 2026, https://untetheredatom.com/ebsd/ebsd-5-cleaning-data-honestly.
BibTeX
@misc{tripathy2026cleaningdatahonestly,
  author = {Tripathy, Manisha},
  title  = {Cleaning data honestly},
  year   = {2026},
  howpublished = {\url{https://untetheredatom.com/ebsd/ebsd-5-cleaning-data-honestly}},
  note   = {Interactive teaching resource}
}
最后更新于 2026 年 9 月 23 日。