一、缺乏数据真实性
实验数据问题
在缺陷检测投稿中，如果是基于实验研究的成果，数据的真实性至关重要。若实验数据存在虚构或篡改的情况，会使投稿可信度大打折扣。例如在进行无损检测技术相关实验时，没有准确记录如射线检测中缺陷的形状、尺寸等数据，或者为了使结果更符合预期而修改数据，都会导致投稿可信度不够。
二、原创性不足
存在抄袭或过度引用
若投稿内容存在抄袭其他已发表作品的部分，这是严重违反学术道德的行为，必然导致可信度不足。过度引用他人的研究成果而缺乏自己的创新见解和分析，也会让投稿看起来像是拼凑而成，缺乏可信度。例如在缺陷检测方法的论述中，大量抄袭他人关于BP神经网络在缺陷检测中的应用部分，而没有自己新的研究内容或改进措施等情况。
三、逻辑不连贯
论述缺乏条理性
当投稿内容在阐述缺陷检测的原理、方法、结果等方面缺乏清晰的逻辑脉络时，会使读者难以理解。例如在介绍多种缺陷检测方法时，如先讲了支持向量机在缺陷检测中的优势，接着突然跳到另一个不相关的内容，然后又回来讲述其他缺陷检测方法，这样混乱的逻辑结构会降低投稿的可信度。
论证缺乏依据
如果在提出关于缺陷检测的观点或结论时，没有足够的论据来支持，例如声称某种新的缺陷检测技术具有极高的准确率，但没有提供相应的实验数据、对比分析等依据，会使投稿的可信度受到质疑。
四、不符合学术规范
格式问题
投稿没有遵循所投期刊或学会规定的文字格式、引用格式、参考文献格式等。例如在引用缺陷检测相关的前人研究成果时，没有按照要求的引用规范进行标注，或者参考文献的罗列不规范等情况，可能会被编辑或审稿人认为不够严谨，从而影响投稿可信度。
