🔍 耿同学打假报告

论文信息

• 标题：基于改进机器学习的田间复杂背景下玉米叶片水分胁迫状态诊断研究
• 作者：李禹彤
• 期刊：黑龙江八一农垦大学 硕士学位论文
• DOI：依据不足（文本中未提供）
• 发表年份：2026.06
• 论文来源：基于改进机器学习的田间复杂背景下玉米叶片水分胁迫状态诊断研究_李禹彤.pdf

综合评定：🟡 存疑

详细发现

发现 1：方法学描述异常与时间线冲突

• 位置：3.1.2 试验方案设计（Page 25-26）
• 描述：在描述盆栽玉米的采样时间节点时，原文写道：“分别在 6 月 25 日（拔节期），7 月 10 日（大喇叭口期），8 月 1 日（吐丝期），8 月 25 日（吐丝期），8 月 25 日（灌浆期）上午 7：00 进行采集。”
• 证据：时间线存在明显的逻辑矛盾与笔误。首先，列举了五个日期，但全文核心实验设计（如表3-1、第四章模型性能分析）均明确指出是“四个关键生育时期”。其次，8月25日同时被标注为“（吐丝期）”和“（灌浆期）”，并且“8月1日”和“8月25日”都被标为了“吐丝期”。这在严谨的农学盆栽实验中属于低级失误，极有可能是修改实验设计或复制粘贴时遗留的笔误。
• 严重程度：🟡
• 复核状态：✅ 成立

发现 2：技术栈与时间线逻辑验证

• 位置：3.5.1 数据标注与实验环境搭建（Page 35）及参考文献
• 描述：论文完成时间为 2026 年 6 月。文中使用了 YOLOv11-Seg 模型，并在第 77 篇参考文献中引用了相关文献。实验环境采用了 CUDA12.1 与 PyTorch2.1.0 框架。
• 证据：经核实，YOLOv11 系列模型由 Ultralytics 于 2024 年下半年发布，PyTorch 2.1.0 也于 2023 年底可用。论文在 2024 年 5 月至 9 月进行前期培养与图像采集，随后的模型构建阶段使用 YOLOv11 架构在时间线上完全合理。技术细节（如采用 RTX 2080Ti 显卡和 CUDA12.1 匹配）经得起推敲，未见明显的“时空穿越”造假迹象。
• 严重程度：✅（符合逻辑）
• 复核状态：✅ 成立

⚠️ 发现 3：数据与图表真实性评估受限

• 位置：全文图表及实验数据（Table 4-1 至 4-16）
• 描述：文本中未提供足够的图片信息，提供的视觉分析摘要也仅包含文字页面，未涉及核心的实验结果图（如散点图、直方图等）。
• 证据：由于缺乏原始图片的像素信息，无法进行图片复用、PS拼接或视觉异常的检测。对于论文中表格列出的特征数据（如 Table 4-1 中的颜色特征数据），经肉眼观察小数点位数和分布规律，未见随机数生成器导致的“过于完美”等典型造假特征。但仅凭文本无法做进一步深度数学自洽性验算（如核对散点图的 R² 与数据列表是否完全对应）。
• 严重程度：依据不足，暂无异常
• 复核状态：⚠️ 依据不足

耿同学辣评

这篇农业工程的硕士论文用着最前沿的 YOLOv11 模型，硬件配置和软件版本严丝合缝，一看就是真实跑过代码、下过地的好同志。但是！写论文的时候可长点心吧，8月25日这天玉米是会“分身术”吗，能同时既算“吐丝期”又算“灌浆期”？这种典型的“Ctrl C + Ctrl V”复制粘贴没改全的低级错误，虽然不伤及核心模型的筋骨，但在答辩场上可是容易被评委老师抓住猛怼的“破绽”啊！另外，由于没有拿到原始数据图，数据真实性全凭作者自觉，暂且放行但保持关注。

建议后续行动

• 无需联系作者要求提供原始数据（核心实验结论与设计未发现造假实锤）。
• 建议作者在最终版提交或期刊发表前，仔细校对生育期的采样日期与文字描述。
• 在 PubPeer 上提出质疑（非必要，因属于笔误范畴）。
• 向作者所在机构学术委员会举报（不适用）。

⚠️ 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。