在一些情況下，飛納臺式掃描電鏡（Phenom SEM）在工業和教育領域中需要做重復性工作，例如，在預先設定的位置獲取一組圖像。 一般情況下，掃描樣品的整個表面以找到單個顆粒并記錄其位置和尺寸是必要的。 這種工作流程可以自動化，不僅可以提高樣品檢測的數量，還可以提率和準確性。 此外，由于自動化腳本總是遵循*相同的過程，因此可以提高結果的可重復性，并且研究人員的主觀操作影響被移除。

在其他許多案例中，可以用飛納臺式掃描電鏡編程接口（PPI）來自動完成這項工作。 在本篇博客中，會說明什么是PPI以及如何將飛納臺式掃描電鏡（Phenom SEM）集成在您的工作流程中。

飛納臺式掃描電鏡編程接口

飛納臺式掃描電鏡編程接口是一個可以通過Python控制飛納臺式掃描電鏡的軟件包。 Python是一種易于學習的編程語言，可以在不編譯的情況下運行腳本。 腳本只是發送給飛納臺式掃描電鏡（SEM），以執行通常由操作員完成的任務命令列表。 PPI中包含一個數據庫，可以用Python控制飛納臺式掃描電鏡（SEM）所需的所有功能。

PPI Python腳本可以在任意一臺通過網絡連接的飛納臺式掃描電鏡的PC上運行。 這意味著，飛納臺式掃描電鏡不僅可以通過旁邊的計算機進行控制，而且可以遠程操作，對用戶來說更加方便。 圖1顯示了飛納臺式掃描電鏡和用戶PC之間網絡的通用設置，其中安裝了PPI以運行Python腳本。

圖1：安裝了PPI后，Phenom PC和用戶PC之間的連接。

你可以用PPI做什么？

PPI可用于將飛納臺式掃描電鏡（SEM）集成到自動化工作流程所需的任務中。 自動化程序，主要是檢查并設置所有所需的數值，例如電子束加速電壓或電子束斑尺寸。

在PPI中，可以查詢電鏡的當前狀態：從樣品臺到當前電子束設置和工作距離。 采用高質量和可重復圖像所需的所有步驟也可在PPI中獲得：這些步驟包括自動對焦和自動對比度/亮度等功能。 

PPI還與Python中的許多圖像處理工具*兼容，以處理您的圖像并提取所需的結果。 PPI與這些工具的結合使其成為將飛納臺式掃描電鏡集成到工作流程中并獲得快速可靠結果的強大工具。

什么是PPI腳本？

為了演示PPI腳本，圖2給出了一個例子。這個腳本假設樣品被加載到飛納臺式掃描電鏡中，并完成以下操作：

· 將PPI導入Python

· 連接到Phenom

· 設置電子束參數

·  自動對焦，優化對比度和亮度  

·  獲取圖像

·  將樣品臺移動到另一個位置

·  獲取第二張圖片

將PPI功能轉換為Python，必須將PPI軟件包加載到Python腳本中。 這是根據默認的Python完成的：將 PyPhenom 作為 PPI 導入 。

連接到飛納臺式掃描電鏡與建立對象調用的Phenom 一樣簡單，叫作ppi.Phenom 。 在這次調用中，建立了與飛納臺式掃描電鏡的連接并驗證了PPI許可證。 所有其他步驟都是這個創建方法。 

在圖形界面中可用的設置可以通過PPI中的單個命令進行更改。 例如，在圖2中，我們將電子束電壓設置更改為10 kV，電子束斑尺寸更改為image（相當于3.3）。  

圖像優化選項也可在調用中使用。 使圖像成為的焦點方法   SemAutoFocus   是可用的，對比度和亮度通過使用優化   SemAutoContrastBrightness 方法。

SemAcquireImage  是用來采集掃描電鏡（SEM）圖像的方法。在這種方法中，圖像的屬性必須填入。在我們的示例中，圖像是以1024×1024像素的分辨率采集的，并且圖像平均是在16幀。 通過使用ppi.Save  命令，可以將圖像存儲在本地驅動器上。

為了移動當前位置，   ppi.MoveBy   命令被使用。 這里x方向和y方向的位移以微米為單位。 這意味著在我們的例子中，樣品臺向左移動100微米，向下移動100微米。 一旦進入這個新位置，就會獲取并保存另一個圖像。

這個例子顯示了簡單、直觀的PPI程序。 但是，PPI要強大得多，而且可以做得比這里顯示的更多。 PPI具有用戶界面所具有的所有命令，甚至更多。

圖2：一個簡單的PPI腳本示例

超越PPI

用PPI控制飛納臺式掃描電鏡的功能強大且，但PPI具有更多功能。 與PPI拍攝的圖像兼容 NumPy 。 NumPy 是一個用于數組操作的Python程序包，用于許多圖像處理工具，例如OpenCV 。 OpenCV 是一個被廣泛使用的圖像處理和圖像識別功能庫。 PPI和 OpenCV 等工具的結合幫助用戶創建更的腳本，例如：

· 自動掃描樣品表面并檢測缺陷;

· 找到樣品上的特定物體并以高倍率對其進行成像;

· 確定屬性，如結構的尺寸，表面積，樣品孔隙率等等。

在圖3中，您可以看到如何將PPI圖像轉換為 NumPy 數組以及如何在 OpenCV中使用它。為了能夠使用 NumPy 和 OpenCV （cv2），它們以類似于加載PPI的方式加載到Python腳本中。 與飛納臺式掃描電鏡的連接按照前面的例子所示進行設置。 

使用 SemAcquireImage 再次獲取圖像， 并將其轉換為 NumPy 數組 np.array 。 由于圖像現在是 NumPy 格式，因此可以在 OpenCV中使用 。 例如，在此使用稱為Canny Edge的邊緣檢測濾鏡。 只需調用它并將過濾器參數插入即可。 所以cannyEdge 可持有原始圖像檢測到的邊緣的圖像。

這個例子演示了PPI與 NumPy 以及所有使用 NumPy 數組作為輸入的軟件包 （如 OpenCV ）直接兼容 。 NumPy 和 OpenCV 是非常強大的工具，可用于許多圖像處理應用，甚至自動駕駛汽車。 所以，當談到你如何使用它時，*的限制就是你的想象力。

圖3：轉換為 NumPy 數組和使用 OpenCV的示例

進一步探索飛納臺式掃描電鏡自動化

從這些例子中你可以清楚地看到，PPI有助于將您的飛納臺式掃描電鏡整合到您的工作流程中。  PPI與許多圖像處理軟件包的兼容性使用戶能夠創建工具來深入分析其樣品。