企业官网建设流程全解析

简介：这份资料是扫描电镜（SEM）实验报告的完整PDF版本，面向材料科学、生物、地质等专业需掌握电子显微分析技术的学生与实验人员，可作为课程实验报告撰写、考试复习或实验课前预习的参考。报告包含实验目的、要求、原理、步骤、数据总结及教师意见栏，系统梳理了真空系统、电子束系统、成像系统三大核心组成，并介绍形貌衬度与原子序数衬度的实际应用，帮助读者理解电子束与样品相互作用的次级电子、背散射电子、X射线等信号产生机制。文档中对纤维区、放射区、瞬断区等断口特征的观察记录，展示了如何借助SEM区分不同微观组织结构，对撰写实验报告或准备相关课程答辩具有直接参考价值。资源为单份PDF文件，共1个文件，包体约402KB，轻量易用。目前已有166人学习下载，可作为扫描电镜实验教学与自学的配套材料。

1. 扫描电镜实验报告.pdf：数据躺在 PDF 里，取不出来就是白做

实验室拿到一份扫描电镜实验报告 PDF，关心的是能不能交差、能不能发文章；IT 这边真正头疼的是后面的事：加速电压、工作距离、放大倍数散在页面表格里，显微图被封成压缩位图，颗粒尺寸只能对着标尺数像素。材料数据入库、批量质检、把图像喂给下游分析脚本时，这份 PDF 就是黑盒。下面这条路径能把扫描电镜实验报告.pdf 拆成结构化字段、原始显微图、标尺换算系数和颗粒统计结果，拆完还能交叉验证。适合批量处理 SEM 报告、被 PDF 解析反复折磨的工程师和数据工程师。

2. 解析扫描电镜报告 PDF：先拆文本参数表，再拆图像

2.1 先弄清 SEM 报告 PDF 的版式和参数落点

ZEISS、Thermo Fisher、Hitachi、JEOL 各家生成的扫描电镜报告版式差异不小，但信息落点有共性：第一页通常是样品信息加成像参数表，下面排一到四张显微图，后面是能谱或更大倍率的附图。成像参数表里高频出现的键是「加速电压 EHT/HV」「工作距离 WD」「放大倍数 Mag」「探测器 Detector（SE2/BSD/InLens）」「扫描速度」。键名和值之间可能有冒号、制表符，也可能被拆进表格的两个单元格，解析必须兼容这两种布局。

解析路径上建议直接在上游 PDF 上做，先别想着 pdf转word。转 Word 会把表格打散、图片二次压缩，标尺文字变成文本框还会错位；转曲再导出的路线损失更大。PDF 原生文本层只要不是扫描件，字段就是完整保真的，直接解析效率和准确率都高得多。

2.2 用 pdfplumber 优先抽参数表，无边框时退回文本行

解析参数表我习惯分三步：pdfplumber 抽表格、无边框时退回文本行、字段级正则收敛。第一步先直接看表格解析的实际效果：

import pdfplumber with pdfplumber.open("扫描电镜实验报告.pdf") as pdf: for pno, page in enumerate(pdf.pages, 1): for row in page.extract_tables(): print("第{}页:".format(pno), row)

extract_tables 默认策略对无边框表格不友好，返回空列表时先别急着换库，显式传 table_settings 往往能救回来，专门处理竖线存在、横线缺失的"半线框"表格：

settings = { "vertical_strategy": "lines", "horizontal_strategy": "text", "snap_tolerance": 3, "join_tolerance": 3, } rows = page.extract_tables(settings)

参数说明：vertical_strategy 指定竖线来源，lines 表示只认线条；horizontal_strategy 用 text 是让 pdfplumber 按文字行推断横线位置。snap_tolerance 和 join_tolerance 控制线段吸附与合并的像素容差，单位是 pt，报告缩放比例异常、线对不齐时，把 3 调到 5~8 一般能解决。pdfplumber 逐页解析几十页会明显偏慢，所以它只负责把表格结构看清，字段提取交给下一节。

2.3 用 PyMuPDF 按块取文本，正则收敛字段

我一般第二遍用 PyMuPDF（fitz）按块取文本，再用正则把字段收敛成字典，速度比 pdfplumber 快一个量级：

import fitz import re FIELD_PATTERNS = { "accelerating_voltage_kv": re.compile( r"(?:加速电压|EHT|HV)\s*[:：]?\s*([\d.]+)\s*k?V", re.I), "working_distance_mm": re.compile( r"(?:工作距离|WD|Work\s*Dist\.?)\s*[:：]?\s*([\d.]+)\s*mm", re.I), "magnification": re.compile( r"(?:放大倍数|Mag)\s*[:：]?\s*([\d,]+)\s*[×xX]?", re.I), } doc = fitz.open("扫描电镜实验报告.pdf") page = doc[0] text = page.get_text("text") for field, pat in FIELD_PATTERNS.items(): m = pat.search(text) if m: print(field, "=", m.group(1).replace(",", ""))

逻辑说明：get_text("text") 返回整页纯文本，正则先匹配键名再取数值，避免正文里恰好出现相似单位；group(1) 里的千分位逗号统一去掉再转 float，后续 JSON 序列化才不会有字符串混入。常用字段对照表直接按这个建字典：

提示：少数报告把参数表做成了图片，get_text 抽不到任何内容。这种情况只能对图像区域做 OCR，用 Tesseract 的中英文混合模型识别后，再过一遍同一张字段表。

3. 提取扫描电镜图像并做歪斜校正纠偏：先拿到干净位图

3.1 用 extract_image 取原始位图，先算有效 DPI

pdfplumber 也能取图，但要绕页面对象和裁剪矩阵，批量场景效率不如 PyMuPDF。取图首选 doc.extract_image：

import fitz doc = fitz.open("扫描电镜实验报告.pdf") page = doc[0] for i, info in enumerate(page.get_images(full=True)): xref, smask, w, h = info[0], info[1], info[2], info[3] base = doc.extract_image(xref) fname = "micrograph_{}.{}".format(i, base["ext"]) with open(fname, "wb") as fh: fh.write(base["image"]) eff_dpi = w / (page.rect.width / 72.0) print(fname, base["ext"], w, h, "有效DPI约", round(eff_dpi))

这里的关键是"有效 DPI"的计算思路。PDF 页面尺寸单位是 pt，1 pt 等于 1/72 英寸；一张 900×800 像素的图被排版成 4.5×4 英寸，有效 DPI 就是 200 上下。很多 SEM 报告的显微图嵌入时接近 300 DPI，但页面上显示宽度只有七八厘米，直接导出页面图片会把分辨率压到 150 DPI 以下，颗粒边界发糊，标尺像素长度也跟着失真。所以取图必须走 extract_image，拿嵌入的原始 JPEG/PNG 流，而不是页面截图。

参数说明：get_images(full=True) 返回的 info 里，xref 是图像对象编号，smask 是透明度遮蔽层的 xref，w、h 是像素宽高。extract_image(xref) 返回 dict，二进制内容在 ["image"]，格式后缀在 ["ext"]。有效 DPI 低于 150 的报告图，后面测出来的尺寸只当参考，别进正式结论。

3.2 歪斜校正纠偏：旋转角小于 0.15 度就别动

PDF 歪斜校正纠偏这个操作，落到扫描电镜报告上通常有两个来源：纸质报告二次扫描时页面转了零点几度，以及 PDF 编辑器导出图片时带的旋转残差。角度虽小，但标尺像素长度会按 cos 缩水，颗粒直径同样带偏差。用 OpenCV 做整体纠偏：

import cv2 import numpy as np def deskew(gray): th = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1] coords = np.column_stack(np.where(th > 0)) if coords.shape[0] < 3: return gray angle = cv2.minAreaRect(coords)[-1] if angle < -45: angle = 90 + angle if abs(angle) < 0.15: return gray h, w = gray.shape M = cv2.getRotationMatrix2D((w / 2, h / 2), angle, 1.0) return cv2.warpAffine(gray, M, (w, h), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE)

逻辑说明：Otsu 二值化后把所有前景像素坐标收集起来，minAreaRect 算最小外接矩形的倾斜角；负角换算到 -45~45 度区间，小于 0.15 度直接跳过，避免重采样把本来就正的图搞糊。重采样用 INTER_CUBIC 比 INTER_NEAREST 平滑；borderMode 用 REPLICATE 复制边缘像素，防止旋转后四角变黑——黑边会被后面的标尺检测误判成干扰线。干扰项过滤维度按像素面积和宽高比来：

3.3 取图时记录显示矩形和旋转标志

取图顺手把 page.get_image_rects(xref) 的显示矩形也存下来。标尺文字通常紧贴图像下边缘，用矩形 Y 坐标加偏移去匹配文本块，比全局 OCR 定位省事得多。旋转标志同样落盘，第 5 章人工抽检要靠它定位问题报告。

4. 标尺校准与颗粒尺寸统计：像素怎么换算成微米

4.1 标尺识别的两种做法：OCR 读数值，Hough 找线段

标尺识别两条路：OCR 读出 "10 µm" 这类数值文字（Tesseract 单行模式 psm 7 命中率较好），图像底部区域用 Hough 直线检测找最长水平线段作为像素长度。两条路结合用，数值走 OCR，长度走直线检测：

h, w = gray.shape roi = gray[int(h * 0.9):, :] # 标尺常驻图底边，只看底部10% edges = cv2.Canny(roi, 50, 150) lines = cv2.HoughLinesP(edges, 1, np.pi / 180, threshold=80, minLineLength=int(w * 0.08), maxLineGap=2) longest = max(lines, key=lambda l: abs(l[0][2] - l[0][0])) x1, y1, x2, y2 = longest[0] scale_bar_pix = abs(x2 - x1) # 标尺像素长度

参数说明：ROI 只取底部 10% 是经验值，SEM 标尺几乎总在图下边缘或右下角，这样能避开颗粒纹理被误认为水平线。minLineLength 设为图像宽度的 8%，短于这个长度不可能是标尺。maxLineGap=2 允许标尺中间的细微断线拼回一条。若检出的最长线段明显短于标尺文字宽度，多半是标尺颜色偏灰、Canny 阈值太紧，把 50/150 改成 30/100 再看。

4.2 像素到微米的换算系数，以及闭环校验怎么做

换算关系只有一句：像素到微米的系数等于标尺物理长度除以像素长度。OCR 数值和 Hough 像素长度都拿到后，换算和合理性检查一次算完：

scale_text = ocr_scale_bar_text(roi) # 复用Tesseract封装，返回单行文本 physical_um = float(re.search(r"([\d.]+)\s*(?:µm|μm|um)", scale_text).group(1)) um_per_px = physical_um / scale_bar_pix # 像素到微米的换算系数 fov_width_um = w * um_per_px # 整幅图的物理视场宽度 print("换算系数:", round(um_per_px, 4), "µm/px, 视场宽度:", round(fov_width_um, 2), "µm")

参数说明：OCR 读出的标尺文字要事先做单位归一化，报告里 μm、µm 甚至全角符号都有，正则写宽容易误吃相邻字符，建议先替换再匹配。视场宽度是副产品，用来做快速合理性检查：放大倍数标 5000× 时视场宽度一般落在 20~100 µm，超出量级就要怀疑 OCR 把 "5.0" 读成了 "50"。

真正的闭环校验不靠公式反推，而是拿已知周期的标准样品报告做端到端对比：同一条处理链导出标准样品的统计结果，和厂商标称值比，误差 5% 以内说明"下载-纠偏-标尺-分割"整条链路是通的。

4.3 Otsu 分割加等效直径做颗粒尺寸统计

分割和统计的骨架代码：

def measure_particles(gray, um_per_px, min_area_px=80): blur = cv2.medianBlur(gray, 5) th = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1] contours, _ = cv2.findContours(th, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) out = [] for c in contours: area_px = cv2.contourArea(c) if area_px < min_area_px: continue out.append({ "area_um2": round(area_px * um_per_px ** 2, 2), "eq_diameter_um": round(2 * (area_px / 3.14159) ** 0.5 * um_per_px, 3), }) return out

逻辑说明：二次电子像里颗粒相对背景是亮目标，用 BINARY_INV 反转；要统计孔洞时改成 BINARY 即可。Otsu 自动选阈值，同批次报告通常不用手调。min_area_px=80 用来滤噪点，300 DPI 下 80 像素约为 0.014 平方微米，正好压掉电荷噪声。粘连颗粒会被当成一个大目标导致直径偏大，纯粒径分布场景要加分水岭分割；先记面积分布反而是更稳的中间产物。测量常见误判与对策：

5. 批量解析扫描电镜报告 PDF 的收尾技巧：JSON 落地、抽检、旋转角留痕

5.1 一条命令从 PDF 目录到 JSON

把前面的逻辑收进 sem_report_parser.py，暴露 CLI，命令行用 --in 指定 PDF 目录、--out 指定输出目录：

import argparse, json, pathlib ap = argparse.ArgumentParser() ap.add_argument("--in", dest="in_dir", required=True) ap.add_argument("--out", dest="out_dir", default="./parsed") args = ap.parse_args() results = [] for pdf_path in sorted(pathlib.Path(args.in_dir).glob("*.pdf")): result = parse_one(str(pdf_path)) # 返回字段/图像/换算系数/统计 results.append(result) pathlib.Path(args.out_dir).mkdir(exist_ok=True) out_json = pathlib.Path(args.out_dir) / "reports.json" out_json.write_text(json.dumps(results, ensure_ascii=False, indent=2), encoding="utf-8") print("已生成", out_json, "共", len(results), "份报告")

python sem_report_parser.py --in "E:/SEM/2025/pdf" --out "E:/SEM/2025/json"

reports.json 每条记录包含报告名、解析字段、图像文件名、标尺像素长度、um_per_px 换算系数和颗粒统计数组。字段与统计分层存放，Pandas 读的时候不用做二次清洗。

5.2 人工抽检和旋转角留痕

验证时把等效直径画成红圈叠加回原图，用任一 pdf 编辑器打开原报告对照，手工量三五个颗粒，误差 ±5% 以内通过。歪斜校正生效时，把 deskew 返回的 angle 写进 JSON；抽检对不上的报告先查 angle 是否非零，再看 OCR 读出的标尺数值有没有把 "5 µm" 读成 "50 µm"。

批量收尾最值得留的就是中间产物：有效 DPI、angle、标尺像素长度全部落盘，别只存最终统计。下次复跑或下游复核时直接从 JSON 看每一步的取值，不用重新解析一遍 PDF。angle 非零的报告单独列一个清单，作为人工复核队列的入口；这个清单配合报告名和图像序号命名，长期归档也不怕丢上下文。

本文还有配套的精品资源，点击获取