kikuchipy: an open-source toolbox for analysis of EBSD patterns

Dit artikel introduceert kikuchipy, een open-source Python-toolbox voor het analyseren van elektronen-backscatterdiffractie (EBSD)-patronen die Hough- en dictionary-indexering, oriëntatieverfijning en validatie ondersteunt, gedemonstreerd via toepassingen in de microstructuurkarakterisering van roestvrij staal en aluminiumlegeringen.

De kern

Stel je voor dat je een detective bent die probeert een mysterie op te lossen in een tiny, onzichtbare wereld. De "verdachten" zijn de microscopische kristallen waar metalen en legeringen uit bestaan. Om ze te vangen, gebruik je een speciale camera in een krachtige microscoop die een Electron Backscatter Diffraction (EBSD)-machine wordt genoemd. Wanneer je een elektronenbundel op een metaalmonster richt, kaatst deze terug en creëert een complex, gloeiend patroon van lijnen en banden op een scherm. Deze patronen zijn als unieke vingerafdrukken voor elk type kristal.

Het probleem is dat het lezen van deze vingerafdrukken ongelooflijk moeilijk is. Het is alsof je probeert een legpuzzel op te lossen waarbij de stukjes wazig zijn, de belichting slecht is en sommige stukjes bijna identiek aan elkaar zijn. Meestal moeten wetenschappers dure "black box"-software gebruiken om deze puzzels op te lossen. Je voert de gegevens in, en de machine spitst een antwoord uit, maar je kunt niet zien hoe het het oploste, en als het antwoord fout is, heb je geen idee waarom.

Komt "kikuchipy" in beeld.

Zie kikuchipy als een nieuwe, open-source "Zwitsers zakmes" voor deze detectives. Het is een gratis toolbox geschreven in de programmeertaal Python die wetenschappers in staat stelt het puzzeloplossingsproces stap voor stap uit elkaar te halen. In plaats van een magische black box, biedt het een helder, transparant werkblad waar je elke zet die je doet kunt aanpassen, testen en verbeteren.

Hier is hoe het artikel uitlegt wat deze toolbox kan doen, met behulp van eenvoudige analogieën:

1. De rommelige foto opruimen

Voordat je de puzzel kunt oplossen, moet je de foto vaak eerst opruimen. De ruwe patronen van de microscoop kunnen ruis bevatten of een wazige achtergrond hebben (zoals een foto gemaakt door een vuil glas).

• De analogie: Stel je voor dat je een foto maakt van een sterrennacht, maar er ligt een dikke mist en een straatlantaarnschijnsel dat de sterren wegspoelt.
• Wat kikuchipy doet: Het heeft tools om die "mist" af te trekken (achtergrondcorrectie) en het beeld scherper te maken. Het kan zelfs een wazige foto nemen en deze mengen met zijn buren om de sterren (de kristallijnen lijnen) duidelijk naar voren te laten komen.

2. De camera kalibreren

Om precies te weten waar een kristal naartoe wijst, moet je precies weten waar de camera staat ten opzichte van het monster.

• De analogie: Als je probeert een stad in kaart te brengen, moet je precies weten waar je kompas naartoe wijst en hoe ver je van de gebouwen verwijderd bent. Als je kompas een paar graden afwijkt, zal je kaart verkeerd zijn.
• Wat kikuchipy doet: Het helpt je de positie van de camera te "kalibreren" (de zogenaamde "projectiecentrum") zodat de kaart overeenkomt met de werkelijkheid. Het kan deze positie zelfs aanpassen voor elk enkel punt in de kaart, zoals een GPS die zijn locatie bijwerkt terwijl je rijdt.

3. De puzzel oplossen (Indexeren)

Zodra het beeld schoon is en de camera is gekalibreerd, moet je het patroon matchen met een bibliotheek van bekende kristallen.

• De analogie: Stel je voor dat je een bibliotheek hebt met 10.000 verschillende vingerafdrukken. Je hebt een wazige afdruk van de plaats delict en je moet de match vinden.
• Twee manieren om dit te doen:
  • Hough-indexering: Dit is alsof je snel door de bibliotheek scant op de algemene vorm van de lijnen. Het is snel, maar kan subtiele details missen.
  • Dictionary-indexering: Dit is alsof je de hele wazige afdruk vergelijkt met elke enkele vingerafdruk in de bibliotheek, pixel voor pixel, op zoek naar de perfecte match. Het is langzamer, maar veel nauwkeuriger, vooral voor lastige gevallen.
• De verfijning: Als de match dichtbij is maar niet perfect, kan kikuchipy het antwoord iets "nudge" om de exacte fit te vinden, zoals het afstemmen van een radiozender tot de ruis verdwijnt en de muziek helder is.

4. De "waarheidscheck"

Het krachtigste deel van kikuchipy is dat het je visueel je werk laat dubbelchecken.

• De analogie: In plaats van alleen het antwoord van de computer te vertrouwen, kun je de "beste gok" van de computer nemen en een perfect, gesimuleerde versie projecteren van hoe dat kristal er zou moeten uitzien. Vervolgens leg je de echte foto en de simulatie naast elkaar.
• Wat het laat zien: Als de lijnen en schaduwen in de simulatie perfect overeenkomen met de echte foto, weet je dat je het goed hebt opgelost. Als ze niet overeenkomen, weet je dat je een fout hebt gemaakt en kun je teruggaan en het herstellen.

Real-world gevallen uit het artikel

De auteurs hebben deze toolbox getest op drie moeilijke metaalmysteriën:

1. De "Super"-staal: Ze keken naar een supersterk staal dat ongewenste, broze kristallen had ontwikkeld. Met kikuchipy konden ze precies in kaart brengen waar deze slechte kristallen zich vormden en hoe ze georiënteerd waren ten opzichte van de goede. Het was alsof je de blauwdruk van de zwakke plekken van een gebouw zag.
2. Het Aluminium vs. Silicium mengsel: In een gebruikelijke metaallegering zien Aluminium en Silicium er onder de microscoop bijna identiek uit omdat hun kristalstructuren zo vergelijkbaar zijn. Het is alsof je probeert twee identieke tweelingen uit elkaar te houden die dezelfde kleren dragen. De meeste software raakt in de war. Maar omdat kikuchipy kijkt naar de helderheid van de lijnen (niet alleen hun vorm), kon het de tweelingen succesvol uit elkaar houden en in kaart brengen waar het Silicium zich verstopte.
3. De ruisende legering: Ze keken naar een metaal dat zo hard was verpletterd en gewalst dat de kristalpatronen zeer wazig en ruizig waren. Het was alsof je probeerde een boek te lezen in een orkaan. Door de toolbox te gebruiken om de ruis op te ruimen en de patronen zorgvuldig te vergelijken, konden ze toch de kleine deeltjes binnenin identificeren, zelfs toen het signaal zeer zwak was.

Het grote plaatje

Het artikel concludeert dat kikuchipy niet alleen gaat over het sneller oplossen van puzzels; het gaat over het ze beter oplossen en begrijpen hoe je ze oplost. Het is gebouwd voor de wetenschappelijke gemeenschap om te delen, te verbeteren en aan te passen. Het verandert EBSD-analyse van een "vertrouw de machine"-proces in een transparant, flexibel en collaboratief onderzoek, waardoor iedereen achter de schermen kan kijken en de kristalwereld duidelijk kan zien.

Technische samenvatting

Technische Samenvatting: kikuchipy: een open-source toolbox voor analyse van EBSD-patronen

Probleemstelling
Elektronenbackscatterdiffraction (EBSD) is een standaardtechniek voor het karakteriseren van kristallografische eigenschappen in scanning electron microscopy (SEM). De indexering van EBSD-patronen (EBSP's) is echter vatbaar voor diverse foutbronnen, waaronder verkeerde indexering van kristallografische fasen, spreiding van oriëntatiepunten binnen korrels, en moeilijkheden bij het onderscheiden van fasen met vergelijkbare kristalstructuren. Hoewel er commerciële oplossingen bestaan, prioriteren deze vaak automatisering en gebruiksgemak ten koste van flexibiliteit en transparantie. Deze "black box"-aanpak beperkt de mogelijkheid van onderzoekers om problematische gevallen op te lossen, indexeringsstappen te optimaliseren of de onderliggende algoritmen te begrijpen. Hoewel er open-source alternatieven bestaan (bijvoorbeeld EMsoft, EMSphinx, AstroEBSD, PyEBSDIndex), blijft er behoefte aan een breed toegankelijke, flexibele Python-gebaseerde toolbox die naadloos integreert met het wetenschappelijke Python-ecosysteem om iteratieve workflow-ontwikkeling en resultaatvalidatie te faciliteren.

Methodologie
Het artikel introduceert kikuchipy, een open-source Python-toolbox ontworpen voor de analyse van EBSP's. De software breidt de HyperSpy-bibliotheek uit voor analyse van multidimensionale datasets en is afhankelijk van orix voor het verwerken van rotaties en kristalsymmetrie, en diffsims voor diffractiesimulaties.

De kernmethodologie legt de nadruk op een flexibele, iteratieve offline indexeringsworkflow (geïllustreerd in Figuur 2 van het artikel), die de volgende stappen omvat:

1. Data Laden en Inspectie: Bestanden van grote leveranciers (Bruker, EDAX, NORDIF, Oxford) lezen en "pre-indexerings"-kaarten genereren (bijvoorbeeld gemiddelde patroonintensiteit, virtuele backscatter-elektronenbeelden, beeldkwaliteitskaarten) om fase-selectie te sturen en resultaten te valideren zonder gebruikersbias.
2. Patroonverwerking: Toepassing van statische en dynamische achtergrondcorrecties, ruisreductie via naburige gemiddelden en binning om het signaal-ruisverhouding (SNR) of snelheid te verbeteren.
3. Geometrie-calibratie: Bepaling van het projectiecentrum (PC) en de detector-sample-geometrie. Dit omvat Hough-indexering voor eerste schattingen en verfijning via patroonmatching. De software ondersteunt zowel vaste als dynamische PC-modellen.
4. Indexering:
   • Hough-indexering: Geïmplementeerd via PyEBSDIndex voor snelle oriëntatieschatting op basis van Kikuchi-banddetectie.
   • Woordenboek-indexering: Aangepast van EMsoft; deze methode vergelijkt experimentele patronen met een woordenboek van dynamisch gesimuleerde masterpatronen. Het maakt gebruik van genormaliseerde kruiscorrelatie (NCC) als vergelijkingsmaatstaf.
5. Verfijning: Oriëntatie- en/of projectiecentrum-verfijning wordt uitgevoerd om de nauwkeurigheid te verbeteren, waarbij de NCC-score wordt geoptimaliseerd met algoritmen uit SciPy en NLopt.
6. Validatie: Resultaten worden gevalideerd door experimentele patronen visueel te vergelijken met geometrische, kinematische en dynamische simulaties, evenals door analyse van Inverse Pole Figure (IPF)-kaarten.

De software is ontworpen om datasets groter dan het beschikbare geheugen te verwerken met Dask en maakt gebruik van Numba voor just-in-time-compilatie van prestatie-kritieke secties.

Belangrijkste Bijdragen en Resultaten
Het artikel demonstreert de mogelijkheden van kikuchipy aan de hand van drie verschillende toepassingsvoorbeelden:

1. Oriëntatieverhoudingen in Super Duplex Roestvrij Staal (SDSS):

   • De workflow werd toegepast op een SDSS met ongewenste secundaire fasen (sigma, chi, R, $\pi$ en chroomnitrieten).
   • Pre-indexeringskaarten identificeerden succesvol microstructurele kenmerken, waaronder lamellaire structuren en deeltjes met hoge-Z-contrast.
   • Woordenboek-indexering onderscheidde meerdere fasen, waaronder die welke doorgaans Transmissie-elektronenmicroscopie (TEM) vereisen vanwege hun grootte (tot ongeveer 0,52 $\mu$m).
   • De studie visualiseerde oriëntatieverhoudingen (OR's) tussen fasen (bijvoorbeeld $\alpha$/$\gamma$, $\alpha$/$\sigma$, $\alpha$/$\chi$) met behulp van misoriëntatieverdelingen in as-hoekruimte. Het bevestigde de Kurdjumov-Sachs-relatie voor $\alpha$/$\gamma$ en identificeerde een "Cube-on-cube"-OR voor $\alpha$/$\chi$, evenals een eerder niet gerapporteerde CSL3-relatie tussen chi en ferriet.

2. Fasedifferentiatie in Al–Si-legeringen:

   • De uitdaging om Aluminium (FCC) en Silicium (diamantkubisch) te onderscheiden, die vergelijkbare Kikuchi-bandposities hebben, werd aangepakt.
   • Het artikel toont aan dat woordenboek-indexering met dynamische simulaties, die gebruikmaken van relatieve intensiteitsverdelingen in plaats van alleen bandposities, deze fasen succesvol kan onderscheiden op basis van EBSP's alleen.
   • Validatie omvatte het vergelijken van experimentele patronen met gesimuleerde patronen, waarbij bleek dat intensiteitsafwijkingen in Al-simulaties (ten opzichte van Si) duidelijk de juiste fase aangeven.
   • De analyse onthulde textuur in siliciumvezels en het ontbreken van een sterke oriëntatieverhouding tussen Al en Si in de gemodificeerde legering.

3. Fasedifferentiatie in Ruige Al–Mn-legeringen:

   • De software werd gebruikt om micron-grote constituentdeeltjes ($Al_6Mn$ en $\alpha$-AlMnSi) te indexeren in een zwaar koudgewalste en gegloeide Al–Mn-legering, waarbij EBSP's te kampen hadden met een lage SNR door opgeslagen energie en cameraruis.
   • Door achtergrondcorrectie, naburige gemiddelden en woordenboek-indexering te combineren, slaagde de software erin de twee deeltjesfasen succesvol te identificeren en te onderscheiden.
   • De resultaten werden gevalideerd tegen een onafhankelijk gegenereerde "ground truth"-kaart, afgeleid van Backscattered Electron (BSE)-imaging.
   • De analyse onthulde een voorkeursoriëntatie voor $Al_6Mn$-deeltjes en een grote, systematische roosterrotatie binnen een specifiek $\alpha$-AlMnSi-deeltje, toegeschreven aan zware vervorming.

Betekenis en Beweringen
Het artikel positioneert kikuchipy niet als een hulpmiddel om indexeringssnelheid te maximaliseren, maar als een bron voor de elektronenmicroscopiegemeenschap om flexibiliteit, transparantie en resultaatvalidatie te verbeteren.

• Flexibiliteit en Iteratie: De software stelt gebruikers in staat om aangepaste workflows te bouwen waarbij indexeringsstappen kunnen worden geoptimaliseerd en foutbronnen kunnen worden geïdentificeerd, waarmee de rigiditeit van commerciële oplossingen wordt aangepakt.
• Validatie: Het benadrukt het belang van visuele validatie (vergelijking van experimentele en gesimuleerde patronen) en onafhankelijke verificatie (bijvoorbeeld met pre-indexeringskaarten of BSE-beelden) om indexeringsnauwkeurigheid te waarborgen.
• Open Science: De code is gehost op GitHub, en de ruwe data en workflow-notitieboeken voor de voorbeelden zijn publiek beschikbaar gesteld op Zenodo, in overeenstemming met FAIR-principes.
• Gemeenschapsbron: De auteurs stellen dat de software is ontwikkeld om iedereen in staat te stellen de code te verbeteren of te integreren in hun eigen analyseworkflows, waardoor samenwerking en vooruitgang in EBSD-analyse worden gestimuleerd.

Het artikel concludeert dat, hoewel er huidige beperkingen bestaan (zoals de noodzaak van handmatige instelling per fase voor woordenboek-indexering en het ontbreken van een native GUI), de integratie van het wetenschappelijke ecosysteem van Python kikuchipy een krachtig hulpmiddel maakt voor het ontwikkelen van robuuste en flexibele EBSD-analyseworkflows.