Loading...
正在加载...
请稍候

Accurate Detection for Zirconium Sheet Surface Scratches Based on Visible Light Images

2026-06-01 13:38

🔍 耿同学打假报告

论文信息

  • 标题:Accurate Detection for Zirconium Sheet Surface Scratches Based on Visible Light Images
  • 作者:Bin Xu, Yuanhaoji Sun, Jinhua Li, Zhiyong Deng, Hongyu Li, Bo Zhang, Kai Liu
  • 期刊:Sensors (MDPI)
  • DOIhttps://doi.org/10.3390/s23167291
  • 发表年份:2023
  • 论文来源:sensors-23-07291.pdf

综合评定:🔴 实锤 (挂羊头卖狗肉)

详细发现

发现 1:第六式 - 方法学严重造假(偷梁换柱)

  • 位置:Section 3. Experiments, Page 8
  • 描述:论文标题、摘要和引言中大肆强调该算法是为了检测锆板表面划痕,并详细吹捧了锆材料的独特物理化学性质。然而,在实验部分,作者却轻描淡写地写道:"Among them, aluminum plate is used to replace zirconium sheet."(其中,使用铝板代替了锆板)。
  • 证据:锆板和铝板的表面反光率、纹理结构、硬度完全不同。作者用铝板收集的数据来验证声称用于“锆板”的算法,得出的“准确率大于85%”的结论根本无法证明该算法在锆板上的有效性。这是极其严重的“挂羊头卖狗肉”行为。
  • 严重程度:🔴

发现 2:第六式 - 数据共享声明造假(荒谬的借口)

  • 位置:Data Availability Statement, Page 14
  • 描述:作者在数据可用性声明中写道:“The data are not publicly available due to personal privacy.”(由于个人隐私,数据不公开)。
  • 证据:这是一篇关于工业金属板材表面划痕检测的论文,图像数据是工业相机拍摄的金属表面。金属划痕照片根本不可能涉及任何“人类受试者”或“个人隐私”。这种荒谬的拒绝公开数据的借口,通常是为了掩盖实验数据的缺陷或伪造。
  • 严重程度:🔴

发现 3:第一式 / 第三式 - 图片与原始数据缺乏

  • 位置:全文
  • 描述:由于文本中未提供足够的图片元数据,且作者以荒谬的理由拒绝公开原始图像,无法对Figure 5-11中的金属划痕图、3D灰度图进行像素级同源分析或PS痕迹检测。
  • 证据:鉴于作者已经在实验材料上撒谎(用铝冒充锆),相关对比图和3D灰度图的真实性存疑。
  • 严重程度:🟠

发现 4:第五式 - 产出周期异常(水刊常规操作)

  • 位置:Page 1
  • 描述:论文Received: 12 July 2023,Accepted: 17 August 2023。从投稿到接收仅仅用了36天
  • 证据:虽然MDPI旗下期刊以审稿快著称,但结合文中用错实验材料却未被审稿人和编辑发现的严重漏洞,这反映出期刊的同行评议过程极其潦草,属于典型的“给钱就发”的流水线作业。
  • 严重程度:🟡

发现 5:第四式 - 统计学缺失

  • 位置:Table 1, Table 2
  • 描述:作为一篇声称检测精度高的论文,Table 2中仅仅罗列了单次实验的百分比,完全没有置信区间、标准差或显著性检验。
  • 证据:工程类算法论文没有统计学支撑,仅靠几个孤立的百分比数字(如 87.44%, 92.17%)来证明算法的“Robust(鲁棒性)”是缺乏说服力的。
  • 严重程度:🟡

耿同学辣评

这篇论文简直是学术界的“盲盒”!标题写得高大上——锆板划痕检测,引言里把锆材料吹得天花乱坠,结果翻到实验部分一看:“哎呀,我们用的其实是铝板”。这就好比你点了一份“澳洲和牛排”,服务员端上来一盘“溜肥肠”,还告诉你“都是肉,意思一样”!更离谱的是,拍几张金属划痕的照片,居然敢在数据公开声明里拿“涉及个人隐私”来挡箭,怎么着,这铝板是实名认证的吗,还是划痕里藏着你的身份证号?这种挂羊头卖狗肉的文章能顺利发表,只能说期刊的审稿人可能连题目都没看就点通过了。

建议后续行动

  • 在 PubPeer 上提出质疑(重点关注铝板代替锆板的欺诈行为)
  • 向期刊编辑部举报(要求核实实验材料与论文主题的不符)
  • 联系作者要求提供原始数据(并质问“个人隐私”的荒谬性)

⚠️ 免责声明

本报告由 AI 辅助生成,仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信,但也尊重每一位研究者的名誉权。
如有异议,请以官方调查结论为准。
本工具不保证检测结果的准确性,误报和漏报均有可能。