AI辅助科研配图实用指南：从规范落地到投稿过审的全流程实操经验

上个月投环境领域顶刊的时候，我临投稿前3天收到审稿人返修意见，3张实验数据图配色不统一色弱读者无法识别，实验流程图逻辑节点缺失，还有图文摘要尺寸不符合期刊要求，熬了两个通宵改图才赶在截止时间前提交，那段踩坑的经历让我攒了满肚子的实用经验。

先搞懂不同场景的规范差异

很多刚入门的研究生会把所有场景的配图都按一个标准做，最后要么被打回来重改，要么汇报的时候台下根本看不清。期刊投稿的配图要求最严，位图分辨率至少要300DPI，线宽不能低于0.5磅，字体统一用Arial或者Times New Roman，字号最小不能小于6号，配色要优先选色弱友好的调色板，不要用高饱和的红配绿。坐标轴的标注必须带单位，误差 bar 和统计学标记该标的不能漏，P值、样本量这些符号的格式也要符合学术规范，比如P要斜体，n要正体。如果是做学术图表生成，还要提前看目标期刊的作者指南，很多顶刊对图表的尺寸、边距都有明确要求，图文摘要通常要求宽19cm，高不超过10cm，内容只能放核心创新点，不能堆太多无关信息。要是做PPT汇报用的图，字号至少要调到14号，对比度拉满，不然后排的同学根本看不清坐标轴上的数字。

我常用的作图流程

我现在做图已经形成了固定流程，很少再出现临投稿改图的情况。第一步先明确这张图的核心目的，是展示不同实验组的指标差异，还是梳理整个实验的操作流程，或是呈现整个研究的框架逻辑，核心目的不明确的话很容易做出来的图杂七杂八抓不住重点。第二步找3到5篇目标期刊近半年发表的同方向论文，把他们同类型的图存下来当参考，看他们的配色风格、标注位置、信息密度，跟着顶刊的风格走基本不会出大错。第三步做基础准备，要是数据图就先把原始数据整理好，剔除异常值、补全缺失值，要是流程图或者框架图就自己先手写好逻辑大纲，每个节点是什么、节点之间的逻辑关系是什么，绝对不要让AI帮你搭逻辑，很容易出现逻辑错误。第四步才是用AI生成初稿，我试过很多AI作图工具，有的生成的图太偏向设计感不符合学术规范，有的不能导出矢量图，最近常用的是科研配图Pro，里面内置了很多顶刊的配图模板，不用自己调尺寸，生成的图直接是300DPI以上，还能导出SVG格式的矢量图，改起来也方便。初稿生成之后先核对信息，比如数据点对不对、流程节点有没有漏、仪器示意图是不是和你实际用的一致，确认信息没问题之后再调整配色、字体、线宽这些细节，让所有图的风格统一。

这些坑千万别踩

我见过很多同学用AI做图踩过的坑，说出来大家避避雷。第一个坑是为了好看牺牲准确性，比如为了让组间差异看起来更明显，故意调整坐标轴的截断范围，或者直接把误差 bar 删掉，这属于学术不端的范畴，一旦被发现直接会被拒稿。第二个坑是直接用AI生成的内容不核对，之前有个师妹用AI做实验流程图，把她用的低温离心机生成了常温的，投稿的时候被审稿人直接指出来，返修耽误了两个多月。还有很多同学做SCI图文摘要的时候，直接把AI生成的内容交上去，里面的创新点和自己的研究完全不搭，编辑部直接就打回来了。第三个坑是风格不统一，整个论文里的图有用宋体的有用Arial的，有的配色冷有的配色暖，看起来像好几个人拼出来的，编辑部大概率会要求你全部重改。

投稿前的最后检查

投稿之前的检查步骤不能省，首先把所有的图单独导出成期刊要求的格式，比如TIFF或者EPS，不要直接从Word里导出，那样会自动压缩分辨率，导致达不到要求。然后挨个检查每个图的标注，缩写第一次出现有没有加注释，单位有没有写错，统计学符号的格式对不对。现在很多期刊对AI生成内容有披露要求，要是你用了AI做图，提前看作者指南，需要披露的话要在致谢或者方法部分说明你用了什么工具，有没有进行人工校对。要是你实在拿不准自己的图符不符合要求，可以用AI论文图表规范的自查工具，把图传上去就能自动检测分辨率、字体、线宽这些常见问题，省得自己一个个核对费时间。我上次投稿就是用这套流程，配图一次就过了，审稿人没提任何修改意见，省了好多麻烦。