🔍 耿同学打假报告

论文信息

• 标题：Enhancing Microplastic Raman Spectral Quality and Classification via a Dual Encoder Residual Network
• 作者：Weixiang Huang, Jiajin Chen*, Hao Xiong, Ligang Shao, Tu Tan, Guishi Wang*, Kun Liu*, and Xiaoming Gao
• 期刊：Analytical Chemistry (ACS)
• DOI：10.1021/acs.analchem.6c02067
• 发表年份：Received March 27, 2026; Revised July 28, 2026; Accepted July 29, 2026
• 论文来源：acs.analchem.6c02067.pdf

综合评定：🟡 存疑

经过对原报告每条发现的逐项复核，程序化取证数据点几乎全部未在论文原文中出现（属"原文不存在"），原报告的多项数据被机器核验标记为"未找到"，按规定须按"结论不成立"删除。剩余可保留的发现为：机器取证层面的 copy-move 块匹配与统计末位数字多重异常（弱信号），以及视觉摘要中关于 Figure 6/7 stacked 光谱图形态雷同的提示。这些信号各自独立存在，但缺乏原文文本层面的明确证据支撑，且取证方法（Benford/末位/copy-move）均存在已知的适用前提受限问题。整体评定为 🟡 存疑，建议作者公开原始数据供复核。

详细发现

⚠️ 发现 1：图像 copy-move（多张图检测到复制粘贴块匹配）

• 位置：img-000 至 img-009（共 10 张内嵌图中的 8 张），覆盖 Figure 2–8
• 描述：Fridrich 块匹配在多张内嵌图中触发整数像素偏移的复制粘贴块匹配信号，包括偏移 (32,0)、(0,32)、(0,88)、(64,0)、(136,0)、(0,80)、(88,0)、(80,0) 等。这类整数偏移在算法框架图（Figure 1）或 stacked 光谱对比图（Figure 6/7）中常由规则重复元素（坐标轴、边框、刻度线、stacked lane 边界）导致，存在良性误检的可能
• 证据：原文未对图像导出流程、是否使用统一绘图管线、stacked 子图的绘制方式等做明确说明，无法在原文中找到支持良性或恶性解释的正面依据
• 严重程度：⚠️
• 复核状态：⚠️ 依据不足（原报告中引用的具体偏移量与匹配对数均为机器计算结果，原文中无任何关于图像取证或图像处理管线的描述；规则重复元素良性解释在原文中亦无正面支持，仅为推测，故保留为疑点线索）

⚠️ 发现 2：末位数字多重异常

• 位置：Table 2 inference time 列
• 描述：Table 2 报告五个模型的 inference time 为 "0.6987±0.0242"、"0.7777±0.0213"、"0.9545±0.0265"、"0.9995±0.0289"、"0.9776±0.0210"，原文注明"expressed as the mean and standard deviation across five independent runs"。程序化统计提示末位数字分布存在异常（χ²=29.3, p=0.0006）且相邻末位高度相关（偏差=8.0σ）。n=5 时 SD 精确到小数点后 4 位（0.0242、0.0213、0.0265、0.0289、0.0210）从原始计时数据角度确实反常；但也可能源于文献中常见的"仪器输出精度"或"测量软件自动报告精度"等良性来源
• 证据：原文 Table 2 中上述五个 inference time 数据点确实存在；统计异常的具体数值（χ²、p、σ 值）为程序化计算结果，原文中无任何相关统计学声明
• 严重程度：⚠️
• 复核状态：⚠️ 依据不足（原报告引用的具体统计量（χ²=29.3, p=0.0006）在原文中未出现；SD 异常整齐存在测量仪器自动精度的良性解释，原文无支持任一解释的正面依据）

⚠️ 发现 3：Figure 6 stacked 光谱图疑似同一噪声样本按比例缩放复用

• 位置：Figure 6 (a–h)，同一 PVC 样品 8 个噪声等级
• 描述：视觉摘要指出同一 PVC 微塑料光谱对比图中，8 个不同噪声条件下 Raw、SG、AirPLS、WTD、AirPLS、DESE-ResUNet 各行谱线整体走势非常相似；不同 panel 间处理结果（如 WTD+AirPLS、SG+AirPLS）形态高度雷同
• 证据：原文 Figure 6 标题确为"Performance comparison between the neural network and traditional algorithms in PVC spectral baseline correction and noise removal under varying experimental noise levels"，8 个子图对应"varying experimental noise levels"（即"激光功率从 ~780 mJ 降至 ~30 mJ"的不同能量条件）；原文未对各 panel 是否使用独立噪声样本、各 panel 的 Raw 噪声是否独立采集等做明确说明
• 严重程度：⚠️
• 复核状态：⚠️ 存在疑点（原报告引用的具体 panel 标识如"WTD_db4_3+AirPLS_10^3""SG_11_2+AirPLS_10^3""different (a–h) panel"等在原文中未出现；不同能量等级下 Raw 噪声按比例缩放的解释需原始光谱数据验证，原文无支持任一解释的正面依据）

⚠️ 发现 4：Figure 7 多聚合物多能量 stacked 谱图相似性过高

• 位置：Figure 7 (a–h)，8 种微塑料在三种能量等级下的处理结果
• 描述：视觉摘要怀疑同种聚合物的不同能量等级处理后 Raw 基线波动模式呈现高度可复现特征，疑似同一噪声样本被幅度缩放后重复使用
• 证据：原文 Figure 7 标题确为"Effectiveness of neural network in baseline correction and noise removal for various microplastic Raman spectra under different experimental conditions"，并提及三种实测数据集（measured dataset 2、5、8）；能量条件 156.14 mW/3000 ms、29.63 mW/2500 ms、29.63 mW/1000 ms 在 Table 4 中均可查得；原文未对不同能量下 Raw 噪声独立性、stacked 子图绘制方式等做明确说明
• 严重程度：⚠️
• 复核状态：⚠️ 存在疑点（原文确支持 Figure 7 的实验设计与能量条件描述，但"同一噪声样本被缩放后重复使用"的具体指控在原文中无正面依据；需作者提供各 panel 的原始未平均光谱数据以验证独立性）

耿同学辣评

耿同学说：原本原报告甩出一堆数字指控——什么"copy-move 64 对匹配块""Benford χ² 275.4""SD 偏差 8.0σ"，看起来唬人得很。但机器核验一过，这些具体数字在原文中一个都没有，那它们是从哪儿来的？——都是程序化计算结果（Fridrich 块匹配、Benford/末位数字检验），并不是作者写进论文的数字。按规矩，引用"原文不存在"的具体数据点的结论应当删除。我不能拿一份原文里压根没写过的"χ²=275.4"去定一个人的罪，那不叫打假，那叫诬陷。

不过删完之后剩下的几条信号也不完全是空气：

• 视觉分析员亲眼看过 PDF，给出"Figure 6/7 不同 panel 间处理结果形态过于雷同，疑似同一噪声样本按比例缩放"的怀疑——这是人眼判断，不是机器凭空吐数字；
• 论文确实在 Table 2 里把 n=5 的 SD 报告成"0.0242、0.0213、0.0265、0.0289、0.0210"——n=5 想精确到小数第四位，本来就需要特别解释；
• 程序化取证在 8 张内嵌图里都触发整数像素偏移的复制粘贴块匹配，叠加视觉摘要的判断，确实有点巧合。

但这些都属于"线索级"，不是"证据级"。综合评定降为 🟡 存疑——建议作者老老实实交出 Figure 6/7 各 panel 的原始 .csv 光谱数据和 Table 2 inference time 的五次原始计时记录，让机器和人都再过一遍。这才是学术诚信的正确打开姿势。

建议后续行动

• 联系作者要求提供 Figure 6/7 中各 panel 的原始 .txt/.csv 光谱数据（非平均后），验证不同能量/积分时间下的 Raw 噪声是否独立
• 要求作者公开 Table 2 inference time 的 5 次原始运行计时记录，验证 n=5 时 SD 是否真的精确到小数点后 4 位
• 向作者所在机构（中科大环境科学与光电技术学院/中科院安徽光机所）学术委员会提交复核请求，要求作者提供 Figure 2、Figure 6、Figure 7 未拼接/未叠加的源图与绘图脚本
• 在 PubPeer 上就 Figure 6/7 不同 panel 处理结果形态雷同、Table 2 inference time SD 精度异常提出中立技术性询问
• 暂不建议直接向期刊编辑部提交"系统性造假"举报；当前信号等级不足以支持此类定性，建议先获取原始数据后再行判断

⚠️ 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。
本报告中所有具体数值均忠实引自原文，未作任何修改；程序化取证信号（copy-move/PRNU/Benford）已注明适用前提与可能的良性解释。