耿同学事件再掀学术打假风暴，论文图像检测成科研诚信新防线

近期，网名为“耿同学讲故事”的网络博主持续公开举报多所高校学者涉嫌论文造假，涉及图片伪造、数据篡改等问题，引发社会广泛关注。多所高校已启动调查程序。央视新闻、中国青年报等多家主流媒体相继跟进报道，“耿同学”也因此被网友称为“学术清道夫”。

在这一轮学术打假风暴中，图片复用、拼接、篡改等问题成为焦点。有业内人士指出，近年来因图像问题被撤稿的论文数量呈上升趋势，部分案例甚至涉及已发表多年的高被引论文。一条电泳条带的拼接、一张电镜图的重复使用、一幅示意图的局部相似……这些肉眼难以察觉的细节，往往成为学术不端行为的“铁证”。

图像造假已成学术不端高发区

事实上，图像造假并非新鲜事。国家自然科学基金委员会近年来多次通报的学术不端案例中，图片篡改、重复使用、拼接伪造等行为占比居高不下。2024年，基金委集中通报的25起学术不端案件中，超过半数与图像问题直接相关。此外，国际学术期刊也在不断收紧图像审查标准。例如，Science、Nature等顶级期刊已明确要求投稿论文附上原始未裁剪图像，甚至直接引入第三方图像检测工具进行筛查。

然而，现实中许多科研人员在整理论文图片时，往往只依赖肉眼检查。一篇论文少则五六张图，多则二三十张，人眼很难在两两之间完成精准的交叉比对，更难以发现经过裁剪、旋转、调色后的图像复用或局部特征相似。这种情况下，算法辅助的图像检测工具就显得尤为重要。

技术辅助：图像检测如何为学术诚信护航

当前，国内已有成熟的图像检测技术应用于学术领域。以万方数据自主研发的图像检测服务为例，它采用基于图像特征点的检测匹配算法，可对论文中的图片进行自动提取、切分和比对。检测涵盖两个层面：一是篇内/组内图像复用检测，用于发现同一论文内部不同位置是否存在重复使用或图像混乱；二是与已发表文献图像库进行比对，识别是否存在与他人图像局部特征高度相似的情况。

此外，针对AI生成图像泛滥的趋势，该服务还集成了基于扩散重建的深度伪造检测算法。通过自研扩散重建模型并结合学术类伪造图片构建的训练数据集，能够有效识别图像是否由主流AI模型生成，并给出置信度。这对于防范AI合成图像在学术论文中的不当使用具有现实意义。

别等到被撤稿，才想起给图片做“体检”

“耿同学”的系列举报，撕开了学术图像造假的一角。很多人不是故意造假，而是整理图片时疏忽大意——文件名太像、裁剪角度不同、或者从合作方收到的素材来源不明。等审稿人或者打假博主指出来，往往已经晚了。轻则大修，重则撤稿，甚至断送学术生涯。

事实上，在投稿前花十几分钟给论文里的图片做一次系统检查，并没有想象中那么复杂。无论是用专业工具自动比对，还是自己逐张复核原始数据，都能大大降低风险。技术工具的作用不是替代人的判断，而是帮你把那些肉眼容易忽略的问题提前筛出来。比如万方数据的图像检测服务，可以自动标出篇内复用、库比对相似、甚至AI生成图的嫌疑，让你在提交之前就有机会改正。

说到底，学术诚信不是一句口号，而是体现在每一个实验记录、每一张原始图片、每一次投稿前的自查里。与其等别人来发现问题，不如自己先过一遍。从一张图开始，给自己的论文多上一道保险，总比事后解释要轻松得多。