🔍 耿同学打假报告

论文信息

• 标题：Robust and fast QR code images deblurring via local maximum and minimum intensity prior
• 作者：Bin Xu, Rushi Jin, Jinhua Li, Bo Zhang, Kai Liu
• 期刊：The Visual Computer (2024) 40:8809–8823
• DOI：https://doi.org/10.1007/s00371-024-03272-y
• 发表年份：2024 (Accepted: 8 January 2024 / Published online: 27 February 2024)
• 论文来源：Robust and fast QR code images deblurring via local maximum and minimum intensity prior.pdf

综合评定：✅ 清白

详细发现

本文为一篇典型的计算机视觉/图像处理领域的算法类论文。由于该领域与生物医学领域在数据呈现形式（无 Western Blot、无动物实验）上存在本质差异，且本次审查基于文本提取内容，未能获取原始高分辨率图片进行像素级分析。但在现有文本信息范围内，经"耿同学六式"逐一筛查，未发现系统性造假迹象。

发现 1：时间线逻辑自洽（通过第五式、第六式检测）

• 位置：全文时间节点及参考文献
• 描述：论文于 2024 年 1 月接收，2024 年 2 月发表。文中所使用的工具（Matlab 函数、Zxing 3.5.1 解码库、WeChat 8.0.32 等）及引用的文献（大部分截止至 2023 年）均符合逻辑，不存在"穿越时空"使用未来试剂或设备的问题。
• 证据：参考文献 [32, 33, 34] 等均为 2023 年发表，符合 2024 年初发表文章的引用规律。
• 严重程度：🟢 正常

发现 2：实验数据合理性分析（通过第二式检测）

• 位置：Table 1 / Section 4.4
• 描述：文中唯一的大规模数据表为 Table 1（各方法运行时间对比）。数据如下：
  • Pan [15]: 74.31s
  • Pan [16]: 437.50s
  • Yan [12]: 408.24s
  • Chen [17]: 108.04s
  • Ours: 36.59s
• 分析：末位数字分布（1, 0, 4, 4, 9）相对自然，未出现明显的整数化倾向。虽然 Pan [16] 的 437.50 看起来较为整齐，但作为 5 张图像的平均运行时间，出现一位小数的概率是合理的。未见明显的"随机数生成器"造假痕迹。
• 严重程度：🟢 正常

发现 3：公式排版异常（疑似 PDF 解析乱码，非学术不端）

• 位置：Page 8812, 公式 (6) 与 (8)
• 描述：在文本提取中，发现以下片段：λ z∈Nk I η y+ ◦ s 2 ≤ −z ≥ k(z)。这在数学上看起来像乱码。
• 证据：结合上下文，这应该是卷积操作的傅里叶变换或类似求和公式的 OCR 识别错误（如将求和符号 \(\sum\) 识别为其他符号，或下标乱码），而非作者编造的伪公式。由于原始公式定义（公式1-5）逻辑清晰，此处判定为文件解析问题。
• 严重程度：🟢 正常（技术性排版问题）

发现 4：关于图片操纵的检测局限性（第一式、第三式检测）

• 位置：Fig. 2, 8, 9, 11, 12 等所有图片
• 描述：本论文的核心证据是"恢复后的二维码图片"的视觉对比。
• 证据：由于缺乏原始的高清图片文件，无法检测不同图组之间是否存在旋转、翻转复用，也无法检测是否有 Photoshop 拼接痕迹（PS 痽痕）。但在文本描述中，各种模糊角度（0°-90°）和模糊长度（20-190）的设置逻辑严密，数据量较大（合成 880 张 + 非线性 448 张），属于该领域标准的实验体量。
• 严重程度：🟡 无法判断（受限于纯文本分析，建议读者查阅原版 PDF 高清图片）

耿同学辣评

这年头看生物医学的论文看多了，满眼都是 PS 过的条带和复制粘贴的小白鼠。突然来看这篇搞计算机视觉的论文，居然有一种"久违的清纯"——这里没有 \(p<0.05\) 的玄学，没有洗脸盆一样的误差线，只有矩阵、傅里叶变换和实打实的秒表计时。虽然没法帮你跑代码看看是不是真的只用 36 秒，但至少从文本逻辑上看，这帮搞机械和视觉的同学们写论文还是挺老实的，没整那些花里胡哨的"学术魔术"。

建议后续行动

• 审查完毕，暂不需要联系作者
• 暂不需要在 PubPeer 上提出质疑
• 暂不需要向期刊编辑部举报
• 补充建议：如需彻底验证，建议联系作者索要 Matlab 源代码及 880 张合成数据集进行复现测试。

⚠️ 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。
特别声明：由于本次分析输入内容为 PDF 提取的纯文本，缺失原始高清图像数据，因此第一式（图片复用）、第三式（PS拼接）的检测受限。本报告结论基于文本逻辑和数字规律。