Nové metody přípravy vzorků pro moderní rastrovací elektronovou mikroskopii
Loading...
Date
Authors
Ambrož, Ondřej
ORCID
Advisor
Referee
Mark
P
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstract
I přes více než sto padesátiletou historii zkoumání zůstává problematika přípravy vzorků aktuální vzhledem k dynamickému rozvoji nových materiálů a pozorovacích metod. Často je fáze přípravy vzorků podceňována, avšak správně připravený vzorek s minimálním zkreslením struktury je klíčový pro úspěšné vyhodnocení mikrostruktury a interpretaci získaných výsledků. Moderní rastrovací elektronové mikroskopy umožňují detailní analýzu mikrostruktury materiálů, ale vyžadují precizní přípravu vzorků. Tato práce systematicky zkoumá inovativní metody přípravy vzorků pro mikroskopické pozorování materiálů s důrazem na metalografické vzorky kovů a slitin. Cílem práce bylo vyvinout a optimalizovat nové metody přípravy vzorků pro dosažení povrchů vhodných ke korelativnímu zobrazování pomocí různých mikroskopických technik, včetně moderní rastrovací elektronové mikroskopie využívající filtrace signálních elektronů, předpětí na vzorku a difrakce zpětně odražených elektronů. Experimenty ukázaly, že automatizace procesu přípravy vzorků může zlepšit opakovatelnost a zajistit dosažení konzistentních výsledků. Další část práce se zaměřila na in situ přípravu vzorků s využitím různých mikroskopických technik, což ukázalo potenciál těchto metod pro optimalizaci přípravy vzorků a výzkum chování materiálů v různých prostředích. Závěrečná část práce zkoumala vliv přípravy vzorku a zvolených mikroskopických technik na možnosti implementace umělé inteligence při analýze mikrostruktury. Celkově práce přináší důležité poznatky pro oblast materiálových věd a zdůrazňuje potenciál automatizace a inovativních metod v analýze mikrostruktury materiálů.
Despite more than a hundred and fifty years of research, the issue of sample preparation remains relevant due to the dynamic development of new materials and observation methods. Often underestimated, the sample preparation phase is crucial for successful microstructure evaluation and interpretation of obtained results. Modern scanning electron microscopes allow for detailed analysis of material microstructure, but require precise sample preparation. This thesis systematically examines innovative methods of sample preparation for microscopic observation of materials, with a focus on metallographic samples of metals and alloys. The aim was to develop and optimize new sample preparation methods to achieve surfaces suitable for correlative imaging using various microscopic techniques, including modern scanning electron microscopy utilizing signal electron filtration, sample biasing, and backscattered electron diffraction. The experiments showed that the automation of the sample preparation process can improve repeatability and ensure consistent results. Another part of the work focused on in situ sample preparation using various microscopic techniques, demonstrating the potential of these methods for optimizing sample preparation and investigating material behavior in different environments. The final part of the thesis examined the influence of sample preparation and selected microscopic techniques on the possibilities of implementing artificial intelligence in microstructure analysis. Overall, the work provides important insights for the field of materials science and emphasizes the potential of automation and innovative methods in the analysis of material microstructure.
Despite more than a hundred and fifty years of research, the issue of sample preparation remains relevant due to the dynamic development of new materials and observation methods. Often underestimated, the sample preparation phase is crucial for successful microstructure evaluation and interpretation of obtained results. Modern scanning electron microscopes allow for detailed analysis of material microstructure, but require precise sample preparation. This thesis systematically examines innovative methods of sample preparation for microscopic observation of materials, with a focus on metallographic samples of metals and alloys. The aim was to develop and optimize new sample preparation methods to achieve surfaces suitable for correlative imaging using various microscopic techniques, including modern scanning electron microscopy utilizing signal electron filtration, sample biasing, and backscattered electron diffraction. The experiments showed that the automation of the sample preparation process can improve repeatability and ensure consistent results. Another part of the work focused on in situ sample preparation using various microscopic techniques, demonstrating the potential of these methods for optimizing sample preparation and investigating material behavior in different environments. The final part of the thesis examined the influence of sample preparation and selected microscopic techniques on the possibilities of implementing artificial intelligence in microstructure analysis. Overall, the work provides important insights for the field of materials science and emphasizes the potential of automation and innovative methods in the analysis of material microstructure.
Description
Citation
AMBROŽ, O. Nové metody přípravy vzorků pro moderní rastrovací elektronovou mikroskopii [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. .
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Fyzikální a materiálové inženýrství
Comittee
prof. RNDr. Karel Maca, Dr. (předseda)
Ing. Ondřej Man, Ph.D. (člen)
doc. Ing. Pavel Solfronk, Ph.D. (člen)
doc. Ing. Miroslav Kolíbal, Ph.D. (člen)
doc. RNDr. Libor Mrňa, Ph.D. (člen)
Date of acceptance
Defence
Uchazeč v rámci vymezeného času přednesl hlavní výsledky získané během jeho doktorského studia. V rámci diskuse zodpověděl celkem 15 dotazů oponentů a dalších 5 otázek členů komise.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení