作为工作的一部分，分析谷物对于产品工程和质量控制很重要。机械性能e.g.拉伸强度和可成形性，随着晶粒尺寸的改善而降低。因此，必须小心地控制材料处理以获得所需的晶粒尺寸。

To accurately measure grain size, it is imperative that all of the grain boundaries are detected. Therefore the technique must produce the highest degree of grain boundary delineation.

通过分析由光学显微镜收集的图像来测量传统上粒度。它需要表面的化学蚀刻，以突出晶界。除了粒度下降的挑战之外，这种技术还有其他局限性。

这里示出了图像分析技术的局限性。

顶部的图像是轧制镀锌钢的光学显微照片。该材料具有复杂的微观结构和边界，并且不可能精确地识别LOM图像中的各个颗粒。

The image at the bottom, from the same sample with a similar field of view, is a secondary electron image from a SEM. Here neither the grains nor grain boundaries are well defined.

EBSD是这些复杂微观结构的理想技术，包括微结构表征和确定晶粒尺寸。

通过测量晶体取向来看看相同的样本和收集EBSD数据，我们可以通过测量晶体取向来准确地检测晶粒边界，这克服了图像分析技术的局限性。

上部图像首先显示了EBSD所识别的晶界的分布。通过识别这些界限，各个颗粒位于。

这里的晶粒图显示了不同颜色的谷物。该地图表示材料中的晶粒尺寸范围和从该统计分布晶粒尺寸测量的范围。

It is clear that with EBSD we can easily and accurately identify the grains in the sample.

除了分析单个视野之外，分析可以自动化以覆盖大面积，提供可靠的统计有效数据。该示例显示了相同的钢，其中杆的四分之一已经分析。该区域的半径为6mm。在该示例中，覆盖该大面积很大，因此检查从杆的中心到杆的边缘的晶粒结构的趋势。