【材料课堂】如何拍出高质量SEM、TEM照片!

2019 年 4 月 24 日 材料科学与工程
点击上方「材料科学与工程」快速关注
材料类综合、全面、专业的微信平台


利用电子显微镜来分析研究物体的组织形貌、结构特征,是现在科研实验最常用的方法之一。但能否拍出好形貌直接取决于样品制作的好坏,因而制作出符合要求的样品成为整个实验的关键。下面小编综合整理了制备各种材料SEM和TEM样品的方法,希望对各位实验猿们有所帮助。


扫描电镜SEM

1
样品要求

固体,无毒,无放射性,无污染,无磁,无水,成分稳定


2
常用方法

一般分块状样品、粉末样品和截面样品制备三类


1、块状样品

低倍率观察(<5万倍)-- 导电胶带

高倍率观察(>5万倍)-- 液体导电胶


2、粉末样品

可以直接固定在导电胶带或者液体导电胶上,见图

注意:如果是导电胶带,揭下来的剥离纸一定要倒着放,撒完样品后在用剥离纸干净的面压一下,固定的才回牢


如果是液体导电胶,最好是用水溶性的,不容易和样品发生反应,撒样品的时间点控制在导电胶快干的时候撒,才能使样品达到半浸没状态。

也可以用分散法



3、截面样品

如果是硅片或者是玻璃,需要用到玻璃刀,见图

注意:用玻璃刀划的时候要让开观察的面,也就是说可以上面和下面各划一下,然后再掰就可以了

根据不同样品材质,有的时候是正面掰好,有的时候是从背面掰好。

对于薄膜类的样品,可以用液氮粹断,如下图


更先进的电镜制样方法


了解更多,请点击 → 材料课堂:SEM扫描电镜必备知识!氩离子切割技术是一种利用宽离子束(〜1mm)来切割样品,以获得宽阔而精确的电子显微分析区域的样品表面制备技术。一个坚固的挡板遮挡住样品的非目标区域,有效的遮蔽了下半部分的离子束,创造出一个侧切割平面,去除样品表面的一层薄膜。


氩离子抛光技术是对样品表面进行抛光,去除损伤层,从而得到高质量样品,用于在 SEM,光镜或者扫描探针显微镜上进行成像、EDS、EBSD、CL、EBIC 或其它分析。



透射电镜TEM

1
样品要求
  1. 样品被观察区对入射电子必须是“透明”的。电子穿透样品的能力与其本身能量及样品所含元素的原子序数有关。一般透射电镜样品的厚度在100nm以下。对于高分辨电镜样品,厚度必须小于10nm。

  2. 样品必须牢固。以便能经受电子束的轰击,并防止装卸过程中的机械振动而损坏。对于易碎的块状样品,必须将其粘在铜网上,铜网对样品起着加固作用。对于粉末样品,可设法将其分散在附有支持膜(如火棉胶膜、微栅膜、超薄炭膜)的铜网上,铜网及火棉胶膜对粉末样品起支撑、承载和黏附作用。生物样品则必须先固定、硬化,然后切成超薄切片,再置于覆有支持膜的载网上。

  3. 样品必须具有导电性。对于非导电样品,应在表面喷一层很薄炭膜,以防止电荷积累而影响观察。

  4. 防止样品被污染。在制样过程中,样品的超微结构必须得到完好的保存。应严格防止样品被污染和样品结构及性质的改变(如相变、氧化等)。

  5. 具体样品制备请参考之前一篇文章材料课堂:TEM透射电镜的样品制备方法

2
载网与支持膜的选用

载网通常是一种多孔的金属片,对样品起加固和支撑作用。载网可以用Cu、Ni、Mo、Al、W、Au及尼龙等材料制作,但通常使用Cu制作,故统称铜网。它有许多不同的规格,可根据样品的性质选择使用。大多数透射电镜样品在制样时,为了确保样品能搭载在“载网”上,会在“载网”上覆一层有机膜,称为“支持膜”。这种具有支持膜的载网,称为“载网支持膜”。

支持膜为一层非晶质的薄膜,厚约20nm。它在电子束照射下应该是“透明的”,本身并无任何结构,且与样品不会发生反应。


下面具体介绍支持膜的分类:


1、无孔碳支持膜系列

碳支持膜是在方华膜(也可用火棉胶)上再覆盖一层碳,是最常见并被广泛采用的支持膜。当样品放在电镜中观察时,“载网支持膜”在电子束照射下,会产生电荷积累,引起样品放电,从而发生样品飘移、跳动、支持膜破裂等情况。所以,在支持膜上喷碳,提高支持膜的导电性,达到良好的观察效果。一般膜厚度为7-10nm。碳支持膜是以有机层为主,膜层较薄,背底一般影响很小。通常用水或乙醇分散样品,支持膜均不会受腐蚀。


如果您的样品属于磁性粉末样品可以使用两种方法:

1.树脂包埋,超薄切片;2.可以使用双联网碳支持膜。


双联网碳支持膜

2、纯碳支持膜系列

纯碳支持膜是在碳支持膜的基础上,将有机层用特殊方法去除后得到的纯碳膜,很适合需要在有机溶剂或高温下处理的样品(如:氯仿、四氢呋喃等有机溶剂下使用)。适合观察10nm以上的样品。膜总厚度:20~40nm。


超薄碳支持膜是在微栅的基础上,叠加了一层很薄的碳膜,一般为3-5nm。这层超薄碳膜的目的,是用薄碳膜把微孔挡住。这主要是针对那些分散性很好的纳米材料,如:10nm以下的样品,分散性极好,如果用微栅就有可能从微孔中漏出,如果在微栅孔边缘,由于膜厚可能会影响观察。所以,用超薄碳膜,就会得到很好的效果。


3、有孔(微栅)支持膜系列

在制作支持膜时,特意在膜上制作的微孔,所以也叫“微栅支持膜”,它也是经过喷碳的支持膜,一般膜厚度为15-20nm。它主要是为了能够使样品搭载在支持膜微孔的边缘,以便使样品“无膜”观察。无膜的目的主要是为了提高图像衬度。所以,观察管状、棒状、纳米团聚物等,常用“微栅”支持膜,效果很好。特别是观察这些样品的高分辨像时,更是最佳的选择。


4、非碳材料支持膜系列

纯方华膜:方华支持膜的化学成分是聚乙烯醇缩甲醛,可溶于二氯乙烷或三氯甲烷溶液,所形成的膜,强度高,透过率好。由于无碳方华膜是纯的有机膜,上面没有任何镀层物质,所以膜的弹性好,背底影响小,可支持多种样品观察。是承载超薄切片的理想材料,在观察纳米粉末等材料时,也表现的非常出色。但方华膜因导电性能不好,在电子束照射下,会因高温或电荷积累,引起局部受热碳化,产生局部黑斑,样品漂移,甚至使膜破碎,损伤被观察样品。通常在100kv电镜上使用较多。膜厚度通常为10-15nm。推荐选用200目载网。

镀金支持膜:是在一层有机方华膜上再覆盖一层金膜,便于EDS检测。膜厚度:10~20nm。推荐选用200目载网。


氮化硅薄膜窗格:可承受1000°C以上的高温。弹性较好,适用于各种样品制备技术,在电子束轰击下比较稳定,衬度及亲水性较碳膜稍差。


3
如何区别载网正反面


比较靠谱的方法是通过对比载网边缘与中间区域亮度,碳膜的一面被视为正面

正面:载网边缘与中间区域亮度相同

反面:载网边缘的亮度高于中间区域


最后祝大家的样品,都能拍到满意的结果。


来源:金鉴实验室

推荐阅读:

TEM复杂电子衍射花样的标定原理

【免费下载】5款科研学术必备软件

90页PPT看懂EBSD原理与应用!

上海交大博士退学,与女杰青导师互撕

投稿、合作,点击此处

登录查看更多
9

相关内容

SEM 是 Search Engine Marketing 的缩写,中文意思是搜索引擎营销。SEM 是一种新的网络营销形式。SEM 所做的就是全面而有效的利用搜索引擎来进行网络营销和推广。SEM 追求最高的性价比,以最小的投入,获最大的来自搜索引擎的访问量,并产生商业价值。
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
最新《自然场景中文本检测与识别》综述论文,26页pdf
专知会员服务
68+阅读 · 2020年6月10日
【干货书】用于概率、统计和机器学习的Python,288页pdf
专知会员服务
278+阅读 · 2020年6月3日
最新《机器学习理论初探》概述
专知会员服务
42+阅读 · 2020年5月19日
缺失数据统计分析,第三版,462页pdf
专知会员服务
103+阅读 · 2020年2月28日
姿势服装随心换-CVPR2019
专知会员服务
34+阅读 · 2020年1月26日
知识神经元网络 KNN(简介),12页pdf
专知会员服务
13+阅读 · 2019年12月25日
已删除
将门创投
7+阅读 · 2019年10月10日
病理图像的全景分割
人工智能前沿讲习班
16+阅读 · 2019年6月1日
【材料课堂】TEM复杂电子衍射花样的标定原理
材料科学与工程
37+阅读 · 2019年4月12日
海洋论坛丨水声目标识别技术现状与发展
无人机
25+阅读 · 2018年12月17日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【机器视觉】整合:机器视觉基础知识汇总
产业智能官
8+阅读 · 2018年1月22日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
Arxiv
7+阅读 · 2018年12月10日
W-net: Bridged U-net for 2D Medical Image Segmentation
Arxiv
19+阅读 · 2018年7月12日
VIP会员
相关VIP内容
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
最新《自然场景中文本检测与识别》综述论文,26页pdf
专知会员服务
68+阅读 · 2020年6月10日
【干货书】用于概率、统计和机器学习的Python,288页pdf
专知会员服务
278+阅读 · 2020年6月3日
最新《机器学习理论初探》概述
专知会员服务
42+阅读 · 2020年5月19日
缺失数据统计分析,第三版,462页pdf
专知会员服务
103+阅读 · 2020年2月28日
姿势服装随心换-CVPR2019
专知会员服务
34+阅读 · 2020年1月26日
知识神经元网络 KNN(简介),12页pdf
专知会员服务
13+阅读 · 2019年12月25日
相关资讯
已删除
将门创投
7+阅读 · 2019年10月10日
病理图像的全景分割
人工智能前沿讲习班
16+阅读 · 2019年6月1日
【材料课堂】TEM复杂电子衍射花样的标定原理
材料科学与工程
37+阅读 · 2019年4月12日
海洋论坛丨水声目标识别技术现状与发展
无人机
25+阅读 · 2018年12月17日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【机器视觉】整合:机器视觉基础知识汇总
产业智能官
8+阅读 · 2018年1月22日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
Top
微信扫码咨询专知VIP会员