🔍 耿同学打假报告

论文信息

• 标题：Environmental Assessment of Closed-Loop Regeneration of Spent LFP Batteries Based on Factory-Level Inventory Data
• 作者：Ying Xia, Yipin Duan, Shuai Nie, Zihao Zhang, Qian Xiao, Guotian Cai
• 期刊：Energies (MDPI)
• DOI：10.3390/en19163749
• 发表年份：2026 (Received: 17 June 2026; Published: 10 August 2026)
• 论文来源：energies-19-03749.pdf

综合评定：🟡 存疑

详细发现

发现 1：末位数字分布严重偏离（数据造假嫌疑）

• 位置：Tables 2–5 / Page 5–14
• 描述：机器取证统计显示，论文中所有数值数据的末位数字分布严重不均匀（χ²=118.3, p=0.0000），奇偶比为 70/181=0.39（p=0.0028），相邻末位数字高度相关（偏差 5.7σ）。Benford 联合检验在第2、3、4位数字均显示显著偏离（χ²最高达 1203.7，p=0.0000）。
• 证据：Benford 检验在 2–4 位数字的 MAD 值从 0.0378 递增至 0.1546。奇偶比 0.39 显著偏离 1:1 平衡，相邻末位相关性 5.7σ 是随机生成数据极不可能出现的特征。
• 反方论证：本论文数据为工厂级实测材料/能量清单数据（Table 2: 19 个材料数值；Table 3: 12 个能量数值）和相对减少百分比（Table 4、Table 5）。Benford 检验的经典适用前提是"自然产生、跨数量级、无人为约束"的真实数据。LCA 工厂清单数据的特点：(a) 数值常被四舍五入到小数点后 2–3 位（人为精度约束）；(b) 数据受工艺设计参数约束（如摩尔比、配比系数导致衍生数值共变）；(c) 部分数值为整数比计算结果（如 2.023 kg/kg 来自 kg 量纲归一化），并非纯自然观测值。这些特征都可能破坏 Benford 的前提假设，导致检验失效（False Positive）。论文 Section 2.2 明确说明"all material and energy inputs... normalized to 1 kg of regenerated LFP CAM"，归一化与四舍五入是已知会破坏 Benford 适用前提的操作。
• 结论：Benford/末位数字检验的前提假设在本论文数据类型上不严格满足，统计显著不能等同于造假证据；但 4 个独立统计指标（χ² 分布、奇偶比、相邻相关性、MAD 趋势）同时异常，提示数据来源的"自然度"值得质疑——不能完全排除造假嫌疑。
• 严重程度：🟡（保留为疑点；检验前提部分不满足，但多重统计联合偏离值得记录）
• 复核状态：⚠️ 存在良性解释（Benford 检验的前提——数据为自然产生、跨数量级、无四舍五入约束——在本论文的工厂清单归一化数据上不严格满足，多重共变来源如配比系数也会导致末位数字非独立分布；但 4 项独立统计指标同时显著仍是不可忽视的疑点）

发现 2：图像 copy-move 复制粘贴（多处）

• 位置：Figure 1–4 中的部分子图（img-000 至 img-004）/ Page 4, 9, 12
• 描述：5 张图中均检测到 copy-move 复制粘贴痕迹，匹配块数量在 51–207 对之间。其中 img-002 在偏移 (0,32) 处匹配 207 对，img-001 在偏移 (32,0) 处匹配 130 对。
• 反方论证：(1) 论文中所有图像均为 Figure 1 流程图、Figure 2 条形图、Figure 3 组合图、Figure 4 龙卷风图——纯统计图表，不含 Western blot/显微镜图像。(2) 统计图表的坐标轴、边框、刻度线、面板分隔线本身是规则重复元素，会在固定像素偏移（32 px 与图表模块宽度一致）处产生大量匹配对——这是该类图像的已知取证缺陷。(3) 论文视觉分析摘要明确指出"未观察到明显的图像复用痕迹"，与机器取证结论存在矛盾。(4) 原文方法部分、图注均未提及任何图像来源不一致或图像处理操作，机器取证未给出原文正面支持的良性假设以外的解释。(5) 所有匹配偏移都精确落在 32 px 这一典型图表模块宽度上，符合"图表规则元素"的解释，不符合"跨图内容复用"的解释（后者应表现为非整数偏移或跨图不相关内容匹配）。
• 结论：copy-move 检测在统计图表上特异性低，5 张图均在 (32,0) 或 (0,32) 等模块化偏移上触发，且原报告未找到机器取证以外的原文证据支持"内容复用"解释。
• 严重程度：🟡（依据不足；良性解释——统计图表的规则重复元素——在原文中找到正面支持（图注明确描述了各图表类型），但机器取证同时提示该解释仅适用于图表类图像而非 Western blot 类，故保留疑点）
• 复核状态：⚠️ 存在良性解释（5 张图均为统计图表，匹配偏移均落在 32 px 的图表模块化宽度上，规则重复元素——坐标轴、边框、面板分隔——是已知会导致此类误报的因素；机器取证本身标注"须结合图像内容确认区域"，原报告未提供该区域为非装饰元素的原文证据）

发现 3：图像噪声方差不一致（疑似拼接）

• 位置：img-002.png（CV=1.21）
• 描述：img-002.png 噪声方差高度不均（CV=1.208），远高于其他图片（CV=0.57–0.94），可能存在图像拼接或不同区域来源不一致的问题。
• 反方论证：(1) img-002 对应 Figure 3，是多面板组合图（a/b/c–f 四个子图），其内容复杂度最高（同时含堆叠条形图、阶段占比图、活动级条形图），不同子图区域的内容密度差异会导致局部噪声方差不同。(2) 论文视觉分析摘要明确"未发现明显视觉异常"，与机器取证的拼接嫌疑直接矛盾。(3) 原文未声明图像处理流程或多次扫描/导出操作，机器取证的"拼接"假设在原文中无正面支持。(4) Figure 3 是该论文唯一同时承载 4 个指标 × 2 种归一化视角（绝对值 vs 百分比）的复合图，视觉密度本身就不均匀——这构成了原文中可验证的、与"噪声方差不均"良性感官原因相符的特征。(5) CV=1.21 在图像处理文献中属于"提示性"而非"决定性"异常，单一图像触发不足以定罪。
• 结论：噪声方差异常在 Figure 3 的多面板复合图上可由内容密度不均解释，原文图注明确描述了该图为"Stage contributions + Percentage contribution + Top activity-level contributors"的四面板组合，与"不同子图内容密度差异导致局部噪声方差不同"的良性解释一致。
• 严重程度：🟡（依据不足；良性解释在原文中找到正面支持）
• 复核状态：⚠️ 存在良性解释（img-002 对应 Figure 3，是同时含绝对值条形图与百分比贡献图的 6 子面板复合图，内容密度不均匀是已知的、会导致局部噪声方差差异的因素；图注明确描述了这一结构）

发现 4：PRNU 高度同源（img-000 vs img-001）

• 位置：img-000.png 与 img-001.png / Page 4 与 9
• 描述：两图 PRNU 高度同源（NCC=0.230, PCE=30.2），远高于 PRNU 比对的常规阈值。
• 反方论证：(1) img-000 对应 Figure 1（流程图），img-001 对应 Figure 2（条形图），均为论文内嵌的、由同一软件（如 Origin/PowerPoint/Python matplotlib）批量导出的统计图表。(2) MDPI 投稿要求统一图表格式（字体、字号、分辨率），所有图表会被同一渲染管线处理——这是原文中可正面验证的（论文 Section 2 未声明不同图表使用不同软件，但 MDPI 期刊图表格式一致性是公开的投稿要求）。(3) PRNU 检测的经典适用对象是相机/扫描仪拍摄的天然图像，对纯软件渲染的统计图表没有理论意义——这是该方法的适用前提问题。(4) 原报告未指出任何"两图声称来自不同设备/不同来源"的原文声明，因此机器取证结论需要原文支持才能成立，而原文未提供这一支持信息。
• 结论：PRNU 检测在纯软件导出的统计图表上不适用，机器取证本身标注"若论文声称两图来自不同批次/设备拍摄，则高 NCC/PCE 为强造假证据"——而原文中无此类声明。
• 严重程度：🟡（依据不足；机器取证检验前提——存在不同设备来源的图像——在原文中无正面支持）
• 复核状态：⚠️ 存在良性解释（两图均为同一软件批量导出的统计图表，PRNU 检测的适用前提——"存在不同传感器/设备来源"——在原文中无正面支持；机器取证本身也标注了同一论文批量导出可能共享管线这一良性解释）

发现 5：时间线合理性核查（投稿与发表）

• 位置：Header / Page 1
• 描述：论文 Received: 17 June 2026, Accepted: 20 July 2026, Published: 10 August 2026。审稿周期仅 33 天（6月17日收到 → 7月20日接受），对于 MDPI Energies 而言属于正常偏快但合理范围。
• 证据：MDPI 期刊以快速审稿著称，33 天属于正常区间。参考文献 [1–3, 6] 引用的 IEA Global EV Outlook 2025（2026 年 3 月访问），与投稿时间逻辑一致。
• 严重程度：✅（无异常）
• 复核状态：✅ 成立

发现 6：AI 生成文本特征（轻微）

• 位置：全文
• 描述：文本计量分析给出 AI 生成得分 0.35/1.0，提示部分段落可能由 AI 辅助生成。
• 反方论证：(1) 得分 0.35 处于模糊区间（0.3–0.5），误报率高。(2) AI 生成检测器对长篇学术文本（尤其是使用大量专业术语和评价性形容词的 MDPI Energies 风格）误判率高，原报告本身已注明此点。(3) 原文未提供任何"本文由 AI 辅助生成"的声明，也未给出可供独立判断的可疑段落示例。(4) 论文具备完整的工厂级数据、详细的方法描述、与同类文献的具体数值对比，这些内容很难由纯 AI 生成。
• 结论：AI 生成检测得分处于模糊区间，误报率高，原报告未提供额外原文支持。
• 严重程度：�（依据不足）
• 复核状态：⚠️ 依据不足（得分 0.35 处于检测器的模糊区间，原报告未提供具体可疑段落与原文证据）

发现 7：方法学自洽性核查

• 位置：Section 2 / Tables 2–3
• 描述：方法部分声称基于工厂级实测数据，Tables 2–3 数据自洽：能量总计 1.071 kWh 与正文 Section 3.4 中 "consumes 1.071 kWh of electricity per kilogram" 一致；材料输入分布合理（PT 主要为电池包，FPR 主要为酸/氧化剂/碱，LCR 主要为碱/酸/锂盐溶液）。
• 证据：Tables 中 FPR 阶段 Tap water 6.461 kg 远大于 Recycled distillate water 1.049 kg，符合工业用水逻辑。能量表中 LFP-S 阶段 Natural Gas 0.048 Nm³（烧结工艺需要），其他阶段无天然气需求，符合典型工艺。
• 严重程度：✅（无异常）
• 复核状态：✅ 成立

发现 8：减少百分比数学自洽性核查

• 位置：Table 4 / Page 9
• 描述：检查 GWP100 减少百分比：原文声称 GWP100 从 6.59 降至 6.08，相对减少 7.73%。计算 (6.59-6.08)/6.59 = 0.0774 = 7.74%，与论文声称的 7.73% 在四舍五入层面一致；正常化值 6.08/6.59 = 0.9226 ≈ 92.27，与文中 92.27 一致。FFP: (1.60-1.54)/1.60 = 3.75% ≈ 3.80%（含四舍五入），对应 1.54/1.60 = 96.25 ≈ 96.20，差异 0.05 个百分点。SOP: (11.28-0.27)/11.28 = 97.61% ≈ 97.57%，0.27/11.28 = 2.39 ≈ 2.43，差异 0.04。HTPc: (2.40-1.52)/2.40 = 36.67% ≈ 36.72%，1.52/2.40 = 63.33 ≈ 63.28，差异 0.05。
• 证据：绝对值与相对值之间的微小差异（≤0.05 个百分点）均处于四舍五入正常范围内，未出现系统性偏差。
• 严重程度：✅（无异常）
• 复核状态：✅ 成立

发现 9：网格脱碳情景数学自洽性

• 位置：Section 3.4 / Table 5
• 描述：S0 基准 GWP100 = 6.08 kg CO2-eq；其中电力贡献 = 1.071 kWh × 0.953 kg CO2-eq/kWh = 1.021 kg CO2-eq（占总 GWP100 的 16.8%）。S2 情景下电力贡献 = 1.071 × 0.05 = 0.054 kg CO2-eq，减少 0.967 kg CO2-eq，使总 GWP100 从 6.08 降至 5.11，与论文声称一致（差异 0.003，可由其他电力相关间接排放解释）。
• 证据：减碳逻辑自洽。
• 严重程度：✅（无异常）
• 复核状态：✅ 成立

发现 10：引用文献核查

• 位置：References / Page 19–21
• 描述：参考文献 [7] (Wang et al., iScience 2026, 29, 114472)、[11] (Nong et al., Renew. Sustain. Energy Rev. 2026, 231, 116725)、[19] (Liu et al., Environ. Sci. Technol. 2026, 60, 6203–6214)、[22] (Peixoto et al., Sustain. Chem. Environ. 2026, 13, 100306) 等 2026 年发表/在线发表文献，由于论文本身也于 2026 年投稿，逻辑自洽。但需注意 [22] 的卷号 13 起始时间与"in press"状态在 2026 年 6 月时是否合理——若 [22] 真正首次发表日期晚于论文投稿日期，则构成"投稿时引用尚未正式发表文献"的边缘案例。
• 证据：论文投稿日为 2026-06-17，此时部分 2026 年文献可能尚未正式排版，但 DOI 已可引用。
• 严重程度：🟡（边缘情况，不构成明确异常）
• 复核状态：⚠️ 依据不足（原报告未提供 [22] 实际发表日期，无法判断是否真正构成时间倒置）

发现 11：署名与资助机构核查

• 位置：Author Contributions & Funding / Page 18
• 描述：作者隶属 Guangzhou Customs Technology Center（海关技术中心）与 Chinese Academy of Sciences。资助来源 General Administration of Customs（Grant No. 2025HK243）。署名为海关系统的研究机构评估 LFP 电池回收的环境性能，符合海关在固废监管/再生资源进口监管方面的职能定位，逻辑自洽。
• 证据：无明显利益冲突。
• 严重程度：✅（无异常）
• 复核状态：✅ 成立

耿同学辣评

一篇 LCA 论文，方法论叙述工整、表格数据齐全、引用覆盖同行近三年工作——单看文本质量没什么毛病。但 PHP 程序拿统计显微镜一照，问题来了：末位数字 χ²=118.3、奇偶比 0.39、相邻末位偏差 5.7σ、Benford 第 3-4 位 p=0.0000——四项独立统计指标同时拉胯，确实扎眼。不过我也得替作者说句公道话：LCA 工厂清单数据本身就被归一化、四舍五入、配比系数约束过，Benford 检验的"自然产生"前提并不严格满足，这些异常大概率是"数据被人为整理过"的痕迹，未必是"数据是编的"的实锤。图像取证方面，copy-move 5 张图全中、PRNU 高度同源——但论文全是统计图表（条形图、龙卷风图、流程图），坐标轴和面板分隔线本身就是规则重复元素，机器取证在这类图像上的误报率是公认的高，原文里也没有任何"两图来自不同设备"的声明。结论：本轮复核后，统计指纹异常是唯一保留的实质性疑点，但鉴于检验前提的不完全满足，我把它从"🟠 高度可疑"降级到"🟡 存疑"——下一步要找原始工厂台账（作者声明由于商业保密不公开，这才是真正的死结），看那些数字到底是抄表抄出来的，还是按计算器按出来的。

建议后续行动

• 联系作者要求提供 Table 2/3/5 的原始工厂台账数据
• 在 PubPeer 上就末位数字异常提出质疑（重点针对 Table 4 的 4 个相对百分比数字的奇偶分布与独立性）
• 向期刊编辑部举报（如获得原始数据后仍未消除疑虑）
• 向作者所在机构学术委员会举报（如核心数据无法溯源）

⚠️ 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。