AI 扫描电镜如何理解操作指令
飞纳电镜 Phenom AI 从自动拍摄到报告生成的检测流程
新一代 AI 智能电镜可以接收自然语言指令，并将指令转化为样品定位、自动对焦、系列拍摄、图像质量检验和报告生成等操作。与传统逐项设置参数的方式相比，这套流程的变化不只是“自动拍照”，而是让 AI 参与理解检测意图并组织后续任务。
图 1 飞纳 AI 电镜实验室应用场景
什么是所说的 AI 扫描电镜
这里的 AI 扫描电镜，是指将图像识别、自然语言交互和自动化控制结合到扫描电镜工作流程中。用户提出检测要求后，系统根据指令执行位置移动、对焦、倍率切换、拍摄、图像检查与报告整理。其重点是减少重复操作，并让多步骤检测按照既定条件连续执行。
飞纳电镜的 AI 研究已持续约十年。早期应用以图像识别为主，例如法医硅藻检测：单份样品可能需要拍摄上万张显微照片，其中含硅藻的图像仅有 10 至 20 余张，AI 用于从大批量图像中自动筛选目标，减轻人工逐张检索的工作。
从图像识别到自然语言交互
随着大语言模型的发展，AI 电镜的能力从识别图像进一步延伸到理解操作指令。面对相对模糊的表达，系统可结合上下文和历史用法，继承操作者常用的参数与取图方式，再进入后续检测流程。
这意味着，人机交互的入口由参数菜单扩展到自然语言。AI 负责把用户表达转化为可执行任务，扫描电镜和自动化部件则完成具体动作。自然语言理解与硬件控制属于同一流程中的不同环节。
一次自动检测包含哪些步骤
|
任务输入
|
通过自然语言或语音提出检测要求
|
|
样品处理
|
查询样品数量，移动至目标位置并自动对焦
|
|
系列拍摄
|
按照 500、1000、2000、5000 倍四档倍率连续取图
|
|
质量检验
|
连续 4 张图像通过检查后继续执行
|
|
结果输出
|
完成批量任务并自动生成工作报告
|
这一典型检测流程把定位、调焦、不同倍率拍摄、质量检查和报告输出连接起来，适用于步骤明确且需要重复执行的检测任务。实际执行方式和可用功能应以具体设备配置及现场测试结果为准。
图 2 飞纳 AI 电镜自动拍摄与图像质量检查演示画面
AI 扫描电镜在硅藻识别中的应用
硅藻检测体现的是 AI 在大批量电镜图像中的目标筛选能力。面对数量较多、目标图像占比较低的数据，AI 可以先完成自动筛选，再由使用者结合检测要求进行后续判断。这一过程可以减少人工逐张寻找硅藻的重复工作。
AI 扫描电镜在锂电粉体中的应用
在锂电池粉体检测中，AI 可以进行粉体粒径分析以及碎裂、裂纹等缺陷颗粒识别。结合 ParticleX 等能力，还可以开展连续、逐颗粒的能谱分析，用于减少工程师逐颗粒筛查的重复工作。
图 3 锂电池粉体样品的电镜观察演示画面
长期自动运行需要哪些硬件条件
AI 扫描电镜能否持续执行任务，不只取决于算法，也与电子源和样品台等硬件有关。飞纳电镜采用寿命为 3000 小时的 CeB6 灯丝，以及精度达到 ±5 μm、可支持数百万次移动的马达台。
在自动定位、重复移动和批量拍摄中，样品台需要持续执行位置变化；灯丝则影响设备长时间运行。这些硬件为持续自动运行提供基础。
图 4 飞纳 AI 电镜硬件与 ParticleX 应用演示画面
AI 扫描电镜适合哪些任务
AI 扫描电镜适合图像数量较大、拍摄步骤重复、需要多倍率连续取图或需要先筛选目标的任务，例如硅藻图像识别、锂电粉体粒径分析、缺陷颗粒识别和逐颗粒能谱分析。是否适用于具体样品，还需要结合检测目标、样品状态和设备配置确认。
常见问题
AI 扫描电镜与普通自动拍摄有什么区别
主要区别在于，AI 不仅执行预设动作，还接收自然语言指令，并把检测意图转换为定位、对焦、倍率切换、拍摄、质检和报告生成等任务。
AI 扫描电镜能否自动生成报告
典型流程包含批量检测完成后自动生成工作报告。具体报告内容和格式应以实际系统配置为准。
飞纳电镜 Phenom AI 已展示哪些应用
目前的应用包括法医硅藻图像识别、锂电粉体粒径分析、碎裂与裂纹等缺陷识别，以及结合 ParticleX 进行逐颗粒能谱分析。
结论
飞纳电镜 Phenom AI 扫描电镜把自然语言理解、图像识别和自动化控制连接到扫描电镜检测流程中。其应用重点包括减少重复设参和逐张筛图，让定位、对焦、系列拍摄、质量检查与报告输出按任务连续执行。
