学术研究报告：基于PyJEM实现“一键式显微镜”：自动化仪器对准与倒易空间导航

一、 研究作者、机构与发表信息

本研究由来自美国利哈伊大学（Lehigh University）的Surui Huang、Jack Keller、Brian Chen、Aparna Bharati、Masashi Watanabe*、Patrick Cantwell、Chris Marvel和Martin Harmer共同完成。其中，Masashi Watanabe为通讯作者。该研究以摘要形式发表于《显微学与微分析》（Microscopy and Microanalysis）期刊2022年第28卷增刊1上，具体页码为3172-3173页。DOI编号为10.1017/s1431927622011771。

二、 学术背景与研究目的

本研究属于材料科学、电子显微学与计算机科学交叉领域，具体聚焦于扫描/透射电子显微镜（S/TEM）的自动化控制与智能交互。

研究背景：现代高分辨率电子显微镜，特别是像差校正扫描透射电子显微镜（如本研究使用的JEOL JEM-ARM200CF），是进行原子尺度材料表征的强大工具。然而，操作此类高端仪器极具挑战性，需要深厚的专业知识和经验。传统的手动操作流程，如复杂的仪器对准、样品取向调整和大面积成像，不仅耗时耗力，而且容易因操作者水平差异引入人为误差，成为阻碍该技术广泛、高效应用的瓶颈。同时，随着数据科学和人工智能的飞速发展，如何将最新技术融入科学仪器，以变革人机交互模式、提升数据获取与分析效率，已成为一个前沿方向。利哈伊大学的“纳米人机界面倡议”（Nano-Human Interface Initiative，简称NHI）正是基于此背景设立，旨在整合数据科学、材料工程、生物工程、心理学和人类学习策略的最新进展，颠覆性地改变人类处理、可视化和分析海量信息的方式。

研究目的：本研究是NHI计划下的一个具体项目，旨在探索改善人-显微镜交互与图像处理的潜在方案。其核心目标是开发一套基于PyJEM（一个用于电子显微镜的Python应用程序编程接口）的自动化程序，实现电子显微镜的“一键式”操作。具体而言，研究旨在自动化以下关键但繁琐的流程：1）仪器的高阶像差校正（如彗差校正）；2）大范围样品的自动成像与拼接，构建“空间导航”图；3）基于菊池线（Kikuchi lines）识别的晶体样品倒易空间自动导航与取向调整。最终目标是让用户，特别是新手用户，能够从繁复的仪器操作中解放出来，将精力集中于更高层次的材料表征与数据解读工作。

三、 详细研究流程与方法

本研究并非报告一项单一的、线性的实验，而是展示了一个基于PyJEM API的自动化软件开发项目，包含多个并行或相继开发的自动化流程模块。研究流程主要分为平台基础验证、具体功能模块开发与算法创新、以及平台迁移扩展三个阶段。

1. 平台基础与功能验证 研究团队首先利用JEOL提供的PyJEM Python API作为核心控制工具。该软件包提供了控制S/TEM仪器的多种函数，包括样品台控制（X、Y、Z方向移动和双轴倾转）、光学系统控制（透镜强度和偏转器）以及图像采集（包括TEM和STEM模式）。研究的第一步是开发测试脚本，以确认PyJEM各项函数的行为响应速度和可靠性，为后续高级自动化程序的构建奠定稳定的基础。

2. 具体自动化流程的开发 在验证PyJEM的可用性后，团队针对三个关键操作场景开发了自动化程序。

（1）自动化彗差校正（Coma-Free Alignment）流程： * 研究目标：实现高分辨率TEM成像所必需的彗差校正自动化。 * 方法流程：彗差校正的核心在于找到入射电子束的中心，使得在两个相反方向倾斜电子束时产生的像散量相等。传统手动操作需要操作者反复倾斜电子束并采集高分辨率TEM图像进行对比，过程繁琐。本研究开发的自动化流程将这一系列操作编码：程序通过PyJEM自动控制电子束以特定步长和序列进行倾斜，并在每次倾斜后同步触发高分辨率TEM图像的自动采集。然后，算法会分析这些图像（或对应的衍射谱）中的像散变化，计算出最佳的束中心位置，并通过PyJEM自动调整光学系统予以修正。 * 涉及对象与处理：此流程针对的是显微镜的光学系统本身，无需特定样品，但通常需要在已知样品（如非晶碳膜）上执行以获得清晰的衍射环或图像用于分析。

（2）自动化大面积图像拼接与“空间导航”图构建： * 研究目标：自动获取样品大范围区域的图像并拼接成全景图，同时解决拼接过程中的技术难题。 * 方法流程：程序通过PyJEM控制样品台按照预设的网格路径进行移动，在每个位置自动采集一幅高分辨率图像。研究重点攻克了自动化拼接中的三大障碍： * i. 周期性间距图像采集：通过PyJEM精确控制样品台移动，确保采集的图像有足够重叠区域以供拼接。 * ii. 图像亮度/对比度调整：开发算法对自动采集的图像序列进行亮度与对比度的归一化处理，以减少因拍摄条件微小波动或样品厚度不均导致的明暗差异，实现更无缝的拼接。 * iii. 自动调焦：针对薄样品可能存在的弯曲问题，在移动样品台后，程序能够自动执行调焦例程，确保每一幅局部图像都处于最佳聚焦状态，保证整体拼接图的分辨率。 * 最终产出：成功拼接后的全景图即构成一张“空间导航”地图。后续在任何位置拍摄的图像，都可以通过PyJEM记录的样品台坐标，在该地图上进行精确定位和视觉标记。

（3）自动化倒易空间导航与晶体取向调整： * 研究目标：实现基于菊池线自动识别的晶体学取向调整，使样品自动达到特定的晶带轴或衍射条件。 * 方法流程：该流程利用会聚束电子衍射（CBED）模式。菊池线对晶体取向极其敏感，是手动调整样品台倾转以寻找特定取向的“路标”。本研究旨在将此过程自动化。 * 核心算法创新：研究最大的成就之一是开发了一种算法化、确定性的菊池线检测方法（见图1）。该算法能够从自动采集的CBED花样中高效、准确地提取出菊池线图案。图1展示了来自镍（Ni）样品的CBED花样（a）、算法提取的菊池线（b）与人工手动提取的“地面实况”（c）的对比，证明了算法的有效性。 * 流程与挑战：自动化导航的设想流程是：采集当前CBED花样 -> 算法识别菊池线 -> 计算当前取向与目标取向的差异 -> 通过PyJEM控制样品台倾转电机进行补偿调整。然而，研究也指出了实现全自动导航面临的挑战： * i. 除了菊池线提取，还需发展高效的取向计算与路径规划算法。 * ii. 薄样品局部弯曲或晶粒过小会导致CBED花样特征在样品台调整后发生不可预测的变化。 * iii. 样品台倾转电机存在机械回差（backlash）和惯性运动等问题，难以根据自动测量结果进行完美精确的调整。 * 当前进展：目前主要完成了菊池线自动检测这一关键第一步，为后续完整的自动化导航流程奠定了基础。

3. 平台扩展与迁移 研究团队正在将基于PyJEM的开发成果，迁移并扩展到JEOL最新的软件平台——JEOL FemtoUSB上。该平台为JEOL S/TEM仪器提供了更集成、更灵活的设备控制和数据采集环境，预示着这些自动化功能未来将能在更先进的软件生态中实现和应用。

四、 主要研究结果

本研究的结果主要体现在成功开发并验证了多个自动化程序模块，并提出了创新的算法。

1. 自动化彗差校正程序：成功实现了TEM模式下彗差校正流程的自动化。结果表现为： novice（新手）用户能够通过运行该脚本，更准确、更轻松地完成这项高级对准操作，减少了对专家经验的依赖，并提高了对准的重复性和精度。该结果直接支撑了“降低高分辨率TEM操作门槛”的研究目标。

2. 自动化图像拼接与导航图构建方法：研究提出了解决自动拼接三大障碍（周期性采集、亮度统一、自动调焦）的技术方案。虽然文中未展示具体的拼接图像，但通过描述这些解决方案，表明了构建“空间导航”地图在技术上是可行的。这一结果使得快速、自动地对大范围样品区域进行测绘成为可能，为后续的定位和关联分析提供了极大便利。

3. 菊池线自动检测算法的突破：这是本研究在技术上的一个核心成果。如图1所示，研究团队开发的算法能够从复杂的CBED花样中清晰地提取出菊池线，其效果与人工手动提取（ground truth）高度一致。这个结果是实现整个自动化倒易空间导航流程的先决条件和关键基石。没有可靠的菊池线自动识别，后续的取向计算和自动调整就无从谈起。该算法的成功开发，为克服手动导航的困难、实现晶体取向的自动化寻找迈出了坚实的一步。

4. 基于PyJEM的自动化控制框架的建立：整个研究证实了利用PyJEM API对高端JEOL S/TEM进行复杂自动化控制的可行性。从基础函数测试到高级对准、成像和衍射模式的控制，形成了一套可行的技术开发路径。这一框架性结果为开发更多“一键式”显微镜功能提供了模板和基础。

五、 研究结论与价值

本研究成功展示了利用PyJEM API实现电子显微镜关键操作流程自动化的可行性与初步成果，向着“一键式显微镜”的愿景迈出了重要步伐。

科学价值与应用价值： * 降低使用门槛：自动化程序能将复杂的专家级操作封装为简单的脚本或按钮，使缺乏深厚经验的研究人员（如研究生、跨学科研究者）也能进行高质量的电镜表征，促进先进表征技术的普及。 * 提高效率与一致性：自动化流程可以快速、重复、精确地执行繁琐操作（如彗差校正、大面积测绘），大幅提升数据采集效率，并减少因操作者疲劳或水平差异引入的人为误差，提高数据的可重复性和可比性。 * 推动智能化表征：将图像处理算法（如菊池线识别、图像拼接算法）与显微镜硬件控制深度集成，代表了电子显微学向智能化、自动化发展的重要趋势。这为未来实现基于人工智能的自主实验、自适应数据采集和实时分析奠定了基础。 * 赋能跨学科研究：作为利哈伊大学NHI计划的一部分，本研究是“纳米人机界面”概念的一个具体实践。它展示了如何通过计算机科学和软件工程来革新传统仪器的人机交互模式，为材料科学、生物学等领域的科研范式变革提供了技术工具。

六、 研究亮点

1. 前沿的交叉学科研究：紧密融合了材料表征（电子显微学）、计算机科学（软件自动化、图像处理算法）和仪器工程，瞄准了科学仪器智能化的前沿方向。
2. 明确的“一键式”自动化愿景：研究目标清晰，旨在将多项高端电镜操作从手动艺术变为自动化的流程，具有很高的实用化前景。
3. 菊池线自动检测算法的创新性：针对自动化晶体取向导航中的核心难题——CBED花样中菊池线的快速准确提取，提出了并实现了一种算法化的确定性方法，这是该研究最突出的技术贡献之一。
4. 基于开源API的灵活开发：采用Python-based的PyJEM API进行开发，降低了自动化程序的开发难度，增加了灵活性和可扩展性，有利于社区共享和后续开发。
5. 从实际问题出发：研究紧密围绕电镜用户（尤其是新手）在实际操作中遇到的具体痛点（如对准繁琐、导航困难、大面积成像耗时）展开，开发的自动化模块具有明确的针对性和应用价值。

七、 其他有价值的内容

本研究得到了利哈伊大学校长纳米人机界面倡议（NHI）和美国国家科学基金会（NSF）的资助，体现了机构对交叉学科和科研范式创新的大力支持。同时，研究团队正将成果向JEOL官方的新软件平台FemtoUSB迁移，这表明其工作不仅具有学术探索价值，也具备了与商业软件生态融合的潜力，有望在未来惠及更广泛的电镜用户群体。