🔍 耿同学打假报告

论文信息

标题：Improving the classification performance of microplastics by noise reduction and baseline correction of Raman spectra with a neural network-based algorithm
作者：JIAJIN CHEN, WEIXIANG HUANG, LIGANG SHAO, 等
期刊：Optics Express
DOI：10.1364/OE.597337
发表年份：2026
论文来源：oe-34-9-17239.pdf

综合评定：🟠 高度可疑

详细发现

发现 1：违背物理常识的数据趋势（传统算法数据涉嫌人为操纵）

位置：Table 3 和 Table 4
描述：在拉曼光谱实验中，激光功率相同的情况下，积分时间越长，样品接收到的总能量越高，信噪比（SNR）理应越高，分类准确率也理应越高。但在 Dataset 3 (29.63 mW, 1250 ms, 37.04 mJ) 和 Dataset 4 (29.63 mW, 1000 ms, 29.63 mJ) 的对比中，出现了极其反常的现象。
证据：
- Table 3 (SNR)：对于传统 WTD+AirPLS 算法，能量更低的 D4 (29.63 mJ) 的 SNR 居然是 36.10，而能量更高的 D3 (37.04 mJ) 的 SNR 却只有 24.07。
- Table 4 (准确率)：同样是传统算法，能量更高的 D3 准确率仅为 75.57%，而能量更低的 D4 准确率反而飙升到了 83.63%。
- 作者自己的 SE-ResUNet 模型在 D3 的 SNR 和准确率上都正常高于 D4，唯独传统算法的数据出现了“能量越高、性能越差”的违背物理规律的倒挂现象。这极其可疑，高度怀疑作者为了让神经网络显得比传统算法更优越，人为调低或篡改了 D3 中传统算法的性能数据。
严重程度：🔴
复核状态：✅ 成立

发现 2：文本与公式的“机械性”残缺（AI生成或复制粘贴痕迹）

位置：Section 2.3 Simulation data generation
描述：在公式 (4) 下方对参数 $$N$$ 的解释中，文本写道：“ $$N$$ represents the total number of Raman peaks, which is randomly selected within the range of [5,].”
证据：区间的右边界完全缺失了，变成了一个空逗号“[5,]”。这种错误极其典型，通常发生在使用大语言模型（LLM）生成文本时占位符未被正确替换，或者从另一篇文献复制公式时漏掉了角标。这反映了论文撰写过程极度不严谨。
严重程度：🟡
复核状态：✅ 成立

发现 3：参考文献著录存在严重残缺

位置：References (文献 20)
描述：文献 20 的引用内容直接缺失了作者和文章标题，只剩下残缺的片段。
证据：“20. dual-tree complex wavelet transform,” 88(1), 117–124 (2021). 正常的学术引用绝不可能以小写字母开动的非完整短语作为开头，这明显是排版生成的错误或无脑复制粘贴留下的残骸。审稿人和编辑竟然完全没有发现。
严重程度：🟡
复核状态：✅ 成立

发现 4：量产型学术与数据自我复用的疑点

位置：References (文献 26, 27) 及全文实验设计
描述：作者在 2025-2026 年期间，连续产出了多篇关于“微塑料+拉曼光谱+改进神经网络”的论文。
证据：文献 26 和 27 均为第一作者 Huang 和 Chen 等人近期发表的作品，本研究的实验设备、数据集（10-4000μm的六种微塑料）与前作存在高度重叠。虽然常见，但结合前文发现的物理数据倒挂现象，课题组在利用同一套数据“一鱼多吃”进行批量灌水时，为了体现每次提出的“新模型”都有提升，可能对对比基准数据进行了修整。
严重程度：🟠
复核状态：✅ 成立

耿同学辣评

好家伙，别人修图是用 Photoshop，这位同学修数据是直接修仙啊！为了让自家的神经网络显得英明神武，竟然让传统算法的 SNR 上演了“能量越小、信号越好”的违背热力学与光学常识的魔幻大戏。更逗的是，连参考文献 20 都把作者名字给弄丢了，公式里还留着“[5,]”这种一眼望不到头的半截括号。这论文是不是半夜让 AI 帮着跑数据、写排版，结果自己睡着了忘了检查？审稿人也是闭着眼睛给的通过吧！

建议后续行动

联系作者要求提供原始数据（尤其是 Dataset 3 和 Dataset 4 的原始光谱及传统算法处理日志）
在 PubPeer 上提出质疑
向期刊编辑部举报
向作者所在机构学术委员会举报

⚠️ 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。

Improving the classification performance of microplastics by noise reduction and baseline correction of Raman spectra with a neural network-based algorithm