🔍 耿同学打假报告

论文信息

• 标题：基于深度学习的西瓜叶片病害的识别研究
• 作者：蔡宇华
• 期刊：西安石油大学硕士学位论文
• DOI：无（学位论文）
• 发表年份：2025年12月提交
• 论文来源：基于深度学习的西瓜叶片病害的识别研究_蔡宇华.pdf

综合评定：🟠 高度可疑

详细发现

发现 1：数据造假检测（随机数生成器都不如）

• 位置：表 4-1（优化后模型各项性能检测结果）、表 4-2（整体检测性能评估）、第四章 4.3 节
• 描述：作者提出了两个不同的改进模型：YOLOv8-Ghost-P2（引入GhostNet和P2特征图）和 YOLOv8-SEAttention（引入SE注意力机制）。两者网络架构截然不同，但在相同测试集上的 Recall（召回率）竟然分毫不差，完全精确到了小数点后第三位的 0.873。
• 证据：原模型 YOLOv8n 的 Recall 为 0.721。表 4-1 和表 4-2 中的数据显示，Ghost-P2 模型的 Recall 是 0.873，SEAttention 模型的 Recall 也是 0.873。两个不同的网络结构，在含有近万张图片的测试集上，漏检和错检的图片数量做到完全一致在数学概率上微乎其微。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 2：引用与方法学异常（复制粘贴没改干净）

• 位置：表 3-1（西瓜叶片图像分类标签）
• 描述：这篇论文通篇研究的都是“西瓜叶片病害”，但在表 3-1 的表头中，赫然写着“葡萄病害图像”。
• 证据：表 3-1 标题为“西瓜叶片图像分类标签”，但表头明确写着“序号 | 葡萄病害图像 | 病害名称 | 病害标签”。这属于极度典型的文本套用、复制粘贴后未修改完全的失误，严重怀疑整篇论文的方法和数据集构建过程是拼凑而来。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 3：引用与方法学异常（前后逻辑断裂）

• 位置：第四章 4.2.2 节（YOLOv8-SEAttention 网络设计）
• 描述：作者在描述自己命名为“SEAttention”的模型时，文中突然写道：“通过加入 SE... 和多维协同注意力（MCA）机制来对模型进行改进优化...”。
• 证据：在 4.2.2 节原文中提到了加入 MCA 机制并使用 SIoU 损失函数。但通读摘要、引言以及 4.2.1 节的注意力机制介绍中，从来没有提及过 MCA 机制（仅介绍了 CBAM、GAM 和 SE），损失函数部分也未介绍过 SIoU。这说明该章节极大概率直接洗稿了另一篇论文，且没有把文字修改自洽。
• 严重程度：🟠
• 复核状态：✅ 成立

发现 4：图片复用检测（图不对题）

• 位置：图 4-26（霜霉病测试结果图）
• 描述：第四章测试结果展示中，图 4-24 标题为“花叶病测试结果图”，图 4-25 标题为“霜霉病测试结果图”，紧接着图 4-26 的标题依然是“霜霉病测试结果图”。
• 证据：根据论文原文的图片 caption 显示，图 4-25 和图 4-26 的标题完全相同，连续两张图同名极大概率是为了凑测试结果的数量，进行了无脑复制。
• 严重程度：🟡
• 复核状态：✅ 成立

耿同学辣评

经过复核，这篇论文简直是深度学习“八股文”的集大成者，不仅完美展示了如何用 Ctrl+C 和 Ctrl+V 构建“神级”模型，甚至连“葡萄”都能强行变异成“西瓜”。最绝的是，不管你是加 Ghost 模块还是加 SE 注意力，模型召回率就像被焊死了一样雷打不动，不仅如此，正文中还凭空降落了前文毫无交代过的“MCA机制”。这哪里是跑出来的数据和方法，这明明是东拼西凑、先射箭后画靶的学术缝合怪啊！

建议后续行动

• 联系作者要求提供原始数据、训练日志和代码仓库
• 在学校学位论文盲审/抽查系统中提出标记
• 向作者所在机构学术委员会举报（由于是未正式发表的硕士论文，暂不涉及期刊撤稿）

⚠️ 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。