🔍 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, JIAOXU MEI, TUTAN, GUISHI WANG, KUN LIU, AND XIAOMING GAO
期刊：Optics Express (Vol. 34, No. 9 / 4 May 2026)
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：数据严重违背物理与统计学常理（Table 3 核心数据造假嫌疑）

位置：Table 3 / Page 17249
描述：Table 3 展示了不同实验条件下微塑料拉曼光谱的信噪比（SNR）。其中，Dataset 4（29.63 mW，积分时间 1000 ms，能量 29.63 mJ）使用 SE-ResUNet 处理后的 Mean SNR 为 1446.07；而 Dataset 5（29.63 mW，积分时间 750 ms，能量 22.22 mJ）处理后的 Mean SNR 竟然高达 1857.15。
证据：根据光学测量的基本物理常理，积分时间越短、照射能量越低，获取的信号越弱、噪声干扰相对越大。Dataset 5 的激发能量（22.22 mJ）明显低于 Dataset 4（29.63 mJ），其原始数据质量必然更差。然而，经过神经网络处理后，信噪比不仅没有随着原始信号质量的下降而降低，反而反常地大幅上升了近 30%（从 1446 升至 1857）。这种“条件越差，降噪效果反而呈指数级越好”的数据完全违背了光谱学和信号处理的底层逻辑，极有可能是数据随手编造或填表时产生的重大谬误。
严重程度：🔴
复核状态：✅ 成立

发现 2：核心实验结论与方法学描述内部冲突

位置：Section 3.3 (Page 17248) 与 Section 3.4 / Table 4 (Page 17250)
描述：论文在 3.3 节中明确宣称：“The results indicate that the lower limit for maintaining effective and stable operation of this method is approximately 30 mW of laser power and an integration time of 1000 ms.”（该系统维持有效稳定运行的底线约为 30 mW 和 1000 ms 积分时间）。但在紧接着的 3.4 节和 Table 4 中，作者却将 Dataset 5（29.63 mW，750 ms，条件已跌破所谓的“底线”）作为展示其分类性能的“王牌数据”，大肆宣扬此时分类准确率仍能达到 96.90%。
证据：作者在前文承认在 750 ms 条件下已经产生了明显的伪影和信号畸变，无法有效重建弱峰，但在总结分类成果时，却“按需切换”了对数据质量的判定标准，强行把该组数据包装成完美结果。这属于典型的学术论述双重标准，旨在人为夸大模型的性能边界。
严重程度：🟠
复核状态：✅ 成立

发现 3：参考文献与产出周期高度自瞄（量产型洗稿嫌疑）

位置：References 26 & 27
描述：作者在 2025 年至 2026 年短短一年内，密集发表了多篇关于“微塑料拉曼光谱+神经网络处理”的文章（Ref 26: 2026; Ref 27: 2025）。
证据：结合本篇论文的内容，该课题组实质上是在使用同一套拉曼检测设备、同一批微塑料数据集（PC, PE, PET, PP, PS, PVC），通过不断拼凑和微调网络结构（先发 Improved neural networks，再发 Cascaded improved neural network，本篇又换成 SE-ResUNet），强行制造所谓的“创新点”以量产论文。这种“一鱼多吃”的香肠式学术加工模式，极易滋生数据复用与过度包装的学术不端。
严重程度：🟡
复核状态：✅ 成立

发现 4：公式书写中的低级遗漏

位置：Section 2.3. Simulation data generation / Equation (4) / Page 17242
描述：公式 (4) 下方对变量 $$N$$ 的解释为：“N represents the total number of Raman peaks, which is randomly selected within the range of [5, ].”
证据：区间的右边界凭空消失，变成了一个开区间。虽然这属于排版或文字校对的低级失误，但一份连核心参数设置都能漏字的稿件，其背后是否对实验数据进行了严谨的把关与审查，不禁让人打上一个大大的问号。
严重程度：🟡
复核状态：✅ 成立

耿同学辣评

好家伙，练了神经网络的“辟邪剑谱”，连物理学规律都能给你反向输出是吧？能量变弱了、积分时间变短了，噪声更大了，你的信噪比居然还能从 1446 飙升到 1857？合着你的网络不仅会降噪，还能自己无中生有放大信号啊！这就是传说中的“只要数据填得够大胆，没有神经网络办不到的事”？不仅如此，前脚刚说 1000 ms 是系统底线，后脚就拿 750 ms 的数据来吹嘘分类准确率高达 96.9%，学术双重标准算是被你玩明白了。这种为了量产论文而强行拼凑包装的数据，建议查查底裤还在不在！

建议后续行动

联系作者要求提供原始数据（特别是 Dataset 4 和 Dataset 5 的原始光谱文件及降噪后计算 SNR 的代码）
在 PubPeer 上提出质疑
向期刊编辑部举报数据违背物理常理及论述自相矛盾
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