超声C扫描系统开发与图像质量评价
2026-08-06 15:10
🔍 耿同学打假报告
论文信息
- 标题:超声C扫描系统开发与图像质量评价
- 作者:张振洋
- 期刊:景德镇陶瓷大学硕士学位论文(专业型硕士)
- DOI:无(学位论文)
- 发表年份:2026年5月28日提交
- 论文来源:超声C扫描系统开发与图像质量评价_张振洋.pdf
综合评定:🟠 高度可疑
详细发现
发现 1:数据造假检测(精度异常与人工编造痕迹)
- 位置:表 5-4(Page 47)
- 描述:表 5-4 记录了 7mm 标准圆形人工缺陷的机械误差系数 \(E\) 的 5 次重复测量数据,包括外接圆半径 \(r_1\) 和内切圆半径 \(r_2\)。
- 证据:
- 诡异的数据粒度:在超声 C 扫描成像中,步进精度为 0.5mm(见表 5-1),而图像边缘提取的半径数据居然精确到了小数点后四位(如 \(r_1 = 3.6220\), $3.6145$, $3.6260$ 等)。更致命的是,这 10 个半径数据的最后一位数字全部是“0”或“5”。真实机器视觉算法跑出的浮点数数据具有极强随机性,绝对不可能整整齐齐地全部落在 0.0005 的整数倍上。这暴露出数据极有可能是手工主观捏造的。
- 离奇的方差一致性:外接圆半径的标准差为 0.0043,内切圆半径的标准差为 0.0041。在真实物理测量中,凸点(外接圆)由于受外界噪点、毛刺影响极大,其波动率通常远大于凹点。此处两者的方差竟然呈现出近乎完美的对称一致,明显是用随机数生成器按同一方差范围“造”出来的。
- 严重程度:🔴
- 复核状态:✅ 成立
发现 2:统计学异常检测(数学自洽性审查)
- 位置:表 5-4 及其上下文解释(Page 47)
- 描述:虽然该表中的数学关系(\(E = (r_1 - r_2) / r\))在表面上是自洽的,但数据的分布特征违背工程常识。
- 证据:论文声称“该值略高于 5%的工程经验阈值主要源于 E 定义中的差值运算对边缘检测噪声的放大效应”。但如果是噪声放大效应,那么 5 次实验的 \(r_1\) 和 \(r_2\) 必然会出现偶尔的剧烈跳动,而表中 \(r_1\) 和 \(r_2\) 的极差仅为 0.0115 和 0.0120(极其稳定),这种稳定性与“噪声放大”的说辞产生严重逻辑矛盾。结论与数据表现南辕北辙。
- 严重程度:🟠
- 复核状态:✅ 成立
⚠️ 发现 3:图片复用检测(一图多用隐患)
- 位置:图 5.12 与 图 5.13(Page 45)
- 描述:图 5.12 标题为“7、8、9、10mm 直径的标准圆形缺陷凸凹点分布”,其中图明显包含 4 个子图。紧接着,图 5.13 标题为“7mm 直径的标准圆形缺陷凸凹点分布及关键几何拟合结果”。
- 证据:由于仅提供 PDF 文本提取,无法进行像素级比对,但从论文结构来看,图 5.12(a) 与图 5.13 极大概率是同一张图片的重复使用。在严谨的学位论文中,通常不会将大组合图中的子图单独拎出来再作为新图放置一次以凑篇幅。
- 严重程度:🟡(需结合原图进一步确认)
- 复核状态:⚠️ 依据不足
⚠️ 发现 4:引用与方法学异常(工具版本与时代脱节)
- 位置:4.1 软件开发环境(Page 26)
- 描述:论文日期为 2026 年 5 月,但软件开发环境选用的是 Visual Studio 2010,工控机操作系统为 Windows XP。
- 证据:VS 2010 是 16 年前的开发环境,Windows XP 早已停止安全更新。虽然工业领域确实存在老系统,但在一篇 2026 年的“创新性”系统开发硕士论文中,使用如此古老的系统去搭建“自动化、高精度”检测平台,且自豪地宣称其“运行稳定”,在工程逻辑上极其违和。这极大概率为“虚构的系统搭建”或“直接抄袭多年前旧论文的软硬件方案”。
- 严重程度:🟡
- 复核状态:⚠️ 依据不足
耿同学辣评
这篇论文看着像模像样,但表5-4里那一堆精确到小数点后四位、尾数还全是“0和5”的半径数据,简直是把读者的智商按在地上摩擦!用着2026年的先进算法,写着2010年的古董代码,最后还要给咱变个“手工微雕数据”的魔术。同学,搞硬件确实不容易,但如果用随机数生成器编数据,麻烦也稍微尊重一下客观物理规律好不好!此外,拿陈旧的系统硬凑“创新”,还在配图上玩“大家来找茬”的嫌疑,学术态度实在令人堪忧。
建议后续行动
- 联系作者要求提供原始数据(特别是表 5-4 对应的 5 次独立实验的原始图片和 Canny 算子提取的坐标点矩阵)
- 在知网/万方等平台核查该课题组以往是否有类似文章发表(排查老旧系统方案的抄袭可能)
- 向景德镇陶瓷大学学术委员会提出数据复核建议
- 使用图像分析软件(如 ImageJ)对图 5.12 和 5.13 进行像素级相似度比对
⚠️ 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。