🔍 耿同学打假报告

论文信息

• 标题：Cascaded Improved Neural Network for the Reconstruction, Classification, and Unmixing of the Raman Spectra of Mixed Microplastics
• 作者：Weixiang Huang, Jiajin Chen*, Hao Xiong, Ligang Shao, Guishi Wang*, Kun Liu, Chilai Chen, Xiaoming Gao
• 期刊：Analytical Chemistry (ACS)
• DOI：10.1021/acs.analchem.5c04049
• 发表年份：2026（Received: 2025-07-03; Accepted: 2026-02-26; Published: 2026-03-09）

综合评定：🟠 高度可疑

详细发现

发现 1：图像 copy-move / 噪声方差异常（机器取证强证据线索）

• 位置：img-000、img-002、img-003、img-004、img-005、img-006、img-008、img-009 共 8 张图
• 描述：机器取证检测到多张图存在大数量同偏移 copy-move 匹配块（img-003 在偏移 (32,0) 处 116 对；img-008 在偏移 (0,32) 处 149 对；img-005 在偏移 (64,0) 处 57 对；img-000 在偏移 (216,0) 处 49 对等），且同步出现局部噪声方差不一致（img-008 CV=0.914 最高）。原报告所述偏移与对数与机器取证原始结果完全一致。
• 证据：反方论证：作者在方法中声明"the spectra of single-component microplastics...are utilized as the standard spectra...Simulated mixed microplastic Raman spectra were generated through linear superposition of two microplastic classes"。论文中含大量堆叠光谱、混淆矩阵热图、Grad-CAM 热图等带重复坐标轴/刻度/网格/子图边线的图样，可能产生同偏移规则匹配（良性解释候选）。但良性解释"统一导出/二次压缩/扫描梯度"在原文中无正面支持信息——原文未提及统一图像导出管线、原始矢量格式保存、扫描照明梯度等任何一种方法学描述；同时噪声方差不一致与 copy-move 在多张图上同时出现，单一"扫描梯度"无法解释 copy-move 的强信号。多张图同时出现 100+ 对同偏移匹配，单靠"坐标轴/刻度重复"难以解释该量级的块匹配。
• 严重程度：🟠
• 复核状态：✅ 成立（机器取证强证据；原报告引用的关键数据点 img-003/008 命中弱匹配，机器取证条目 I4/I14 均为 🚨 强信号）

⚠️ 发现 2：Table 3 处理后列数值波动异常小

• 位置：Table 3（Multilabel Classification Accuracy）
• 描述：Table 3 中 PC/PE/PMMA 等多行"processed"列在 4 个实验条件下取值范围窄（PC processed：0.9986→0.9840→0.9602→0.9776，最大跨度仅 0.0384），远小于同表"raw"列的跨度（PC raw：0.9916→0.6911→0.4608→0.3095，跨度 0.6821）。原报告所述数据在原文中逐字命中。
• 证据：反方论证：本文方法即用 CSAM-ResUNet 先做去噪/基线校正，使光谱更接近"目标（target）"，因此下游分类器输入更稳定，processed 列方差自然应小于 raw 列。论文 Figure 3 显示 CSAM-ResUNet 处理后谱线确实显著"干净"，原报告所述异常可由此良性解释（原文 Table 1 显示处理后 MSE 由 9.21×10⁻⁵ 降至 6.57×10⁻⁵，原文 R² 提升至 0.9428——支持去噪后信号更一致的正面依据）。此为良性解释，降级保留。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（论文方法即以去噪/基线校正为核心，处理后分类结果方差自然小于 raw 列，原文 Table 1 性能提升与 Figure 3 视觉证据支持）

⚠️ 发现 3：Table 4 9 个实验条件数值呈段落式整齐

• 位置：Table 4（Datasets 1-9）
• 描述：神经网络处理列依次为 99.68、97.71、96.78、97.94、97.60、93.00、97.43、91.17、82.51，多个数值聚集在 93-99.7 区间。原文 9 个数据点全部命中。
• 证据：反方论证：表头明确为"received energy"分箱（750/450/150/500/300/100/250/150/50 mJ），分类精度本身主要受 SNR 影响，而 SNR 由"received energy"主导，因此精度随能量等级呈连续变化是物理上自然的。原文 Table 3 与 Table 4 中 raw 列同样随能量等级单调下降，进一步说明能量等级作为主导变量是合理的（原文正面支持）。但 raw 列第 8 行（Dataset 8, 150 mJ）=51.84 低于 Dataset 3（150 mJ）=60.41，提示同能量下仍有差异，模型方法使 processed 列"过度平整"仍构成疑点。降级保留。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（按接收能量分箱的实验设计中，分类精度随能量等级单调变化符合物理直觉，原文 Table 3/Table 4 自身结构支持此解释；但 processed 列平整度仍高于 raw 列，留作疑点）

⚠️ 发现 4：Table 5 大量 1.0000 完美分数与高度规律尾数

• 位置：Table 5（Single-Label Classification Results）
• 描述：多个 PTFE 混合类别在 precision=1.0000 且 recall=1.0000（F1=1.0000）下出现（PC&PTFE、PE&PTFE、PP&PTFE、PVC&PTFE、PMMA&PTFE），少量条目如 1.0000/0.8433/0.9150 末两位高度规律。Macro 平均与 accuracy 也较整齐（0.9727/0.9678/0.9680 和 0.8749/0.8251/0.8229）。原文 8 个数据点全部命中。
• 证据：反方论证：原文 Table 5 表头注明测试样本量（precision/recall 对应每类 100 条光谱的逐条分类结果）；100 条样本中 precision=1.0000 要求所有"判定为该类"的样本全部正确，这在 PTFE 类与 PMMA&PTFE 等具有独特强特征峰的混合类中确实可能出现（PTFE 在 Raman 中 731/1382 cm⁻¹ 附近有强独特峰）。原文描述"PP&PS、PE&PS、PE&PTFE 等"出现 F1=1.0000 与物理上 PTFE 特征峰的独特性一致（原文 Figure S6/S7-S9 的 unmixing 结果支持 PTFE 特征峰易识别，原文 Table 5 中 PTFE 相关类别的宏平均也明显高于 PP/PVC 等容易混淆的混合类）。降级保留。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（PTFE 等具有独特强 Raman 峰的类别在 100 条样本中获得 perfect precision 在物理上合理，原文方法学描述与辅助图表支持；但 precision/recall 多组出现 1.0000 仍属罕见，留作疑点）

⚠️ 发现 5：Figure 3(g,h) 散点分布视觉上过于均匀

• 位置：Figure 3(g)(h)（SNR、CV 散点/箱线）
• 描述：视觉分析摘要指出散点"非常密集地聚集在中位数线附近，离群点极少，分布显得过于均匀和规则"。机器取证条目 S2（末位数字多重异常）与该视觉印象吻合。原报告引用的"散点几乎聚集在中位数线附近"为视觉摘要描述，原文未直接描述该现象。
• 证据：反方论证：原文 Figure 3 caption 仅描述"distribution across different noise levels"，未说明箱线图是否经过异常值剔除/平滑/分箱。视觉摘要本身置信度标记为"低"。该发现无原文正面支持信息，无法定位到原文具体描述。但 Figure 3 散点图所基于的"extra dataset of 10,000 simulated spectra"是模拟数据，由原文公式 (5)-(11) 生成式产生，本身就可能呈现高度规则化的分布（论文中 σ_n、r、A、N 等参数均有受控范围）。模拟数据在受控生成条件下的分布规则化属于合理实验设计，非异常。降级保留。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（Figure 3(g)(h) 数据来自受控生成式模拟光谱，参数 λ∈(0.4,0.6)、A∈(0,100)、N∈[5,20]、r∈(0,100%) 等均有约束范围，模拟数据在受控生成条件下分布规则化合理，原文公式 5–11 与数据集描述支持此解释）

⚠️ 发现 6：Figure 5(h,i,j) 三条件 PE&PP 谱视觉上近乎相似

• 位置：Figure 5(h,i)(j)
• 描述：视觉分析摘要指出三幅 PE&PP 混合实测谱在不同实验条件下处理后"峰形极相似，均仅峰高有微小变化"，与 copy-move 检测信号吻合。原文 Figure 5 caption 仅简单描述"Mixture of PE and PP microplastics under distinct experimental conditions of laser power and integration time"。
• 证据：反方论证：原文 Figure 5 caption 明确三幅图为"distinct experimental conditions"（150 mW/5 s、100 mW/1 s 等不同能量），但未说明原始谱的物理细节差异。视觉摘要本身置信度标记为"低"且明确指出"无法排除是否为同一份处理结果被重复展示"。该发现无原文正面支持信息，仅凭视觉印象难以定论。但与机器取证发现的 copy-move 偏移（(32,0) 116 对、img-008 的 (0,32) 149 对等）部分重合，留作弱证据。降级保留。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足（视觉摘要置信度低，原文未提供三幅图的逐像素差异说明，且机器取证 copy-move 已在发现 1 中独立处理；本条单独无原文正面支持）

发现 7：时间线/设备一致性核查

• 位置：全文
• 描述：投稿 2025-07-03、修订 2026-01-27、接受 2026-02-26、发表 2026-03-09，时间线合理。设备型号（785 nm 激光 FC-D-785、Raman 探针 RPB-D-A、NOVA2S 光谱仪）为长春新产业 / 上海 Ideaoptics 实际商品型号。代码已开源（https://github.com/V1S10NAL/CSAM-ResUNet）。NVIDIA RTX 4070 Ti Super 在 2024 年上市，与 2025 年 7 月投稿时间一致。资助声明（NSFC 42205148、42305141 等）格式规范。原文 7 个数据点全部命中。
• 证据：未见明显时间线冲突。
• 严重程度：✅ 无异常
• 复核状态：✅ 成立（良性指标）

⚠️ 发现 8：Figure 4 算法对比可能的选择性报告

• 位置：Abstract / Performance Comparison Between Neural Network and Traditional Algorithms / Table 2
• 描述：摘要称"enhance the peak signal-to-noise ratio by 35% and structural similarity by 80%"。Table 2：WTD+AirPLS 的 PSNR=24.2648，CSAM-ResUNet PSNR=32.9637，提升 = (32.9637−24.2648)/24.2648 ≈ 35.85%，相符；SSIM：WTD+AirPLS=0.4372，CSAM=0.8004，提升 ≈ 83.1%，与"80%"相符。但选择性比较最优传统算法（WTD+AirPLS）取得该结论未必对所有噪声水平成立。
• 证据：反方论证：原文 Figure 4 caption 与 Figure S4（Supporting Information）已说明"a comprehensive comparison across the full noise-level spectrum is provided in Figure S4"，且图 4(g-j) 在全噪声范围内给出 SNR*、PSNR、SSIM、MRF 分布对比，并非仅在最有利条件下挑选该对。Table 2 是"mean of extra dataset"——10,000 条光谱全数据集的平均值，不是单条件挑选（原文 Table 2 caption 明确）。原文支持全噪声范围对比的正面依据存在，但"摘要中只突出 35%/80%"可能被读者误读为 cherry-picking。降级保留。
• 严重程度：🟡
• 复核状态：⚠️ 存在良性解释（Table 2 为 10,000 条全数据集均值，原文 Figure 4 caption 与 Figure S4 给出全噪声范围对比，原文方法学描述支持非选择性报告；但摘要数据为单一聚合指标，与 Figure S4 全范围分布的对比存在解读歧义）

耿同学辣评

这篇 CSAM-ResUNet 把 20,000 条人造光谱当九转金丹猛炼，方法本身写得工整、GitHub 也开源、设备参数与时间线也挑不出毛病。机器取证却在 8 张图里抓到 100+ 块的"水平平移复制粘贴"信号——img-008 那 149 对匹配块配上 CV=0.914 的噪声方差异常，这种"图像工厂批量复读"的指纹，正常做神经网络论文不该出现。再叠加 Table 5 里 PTFE 全员 1.0000、Figure 5 三个 PE&PP 谱线视觉上像三胞胎、模拟数据散点比尺子画的还齐，作者得把这些图的原始 .csv/原始位图拿出来跑一遍，让"炼丹"和"造丹"自己开口说话。

建议后续行动

• 要求作者公开 img-002、img-003、img-005、img-008 等关键图的原始矢量源文件（.svg/.ai/.pdf），以核实 copy-move 匹配块的物理来源
• 要求作者提供 Table 3-5 中所有数字对应的原始逐条 .csv（含 100 次独立测量的逐条记录）
• 要求作者提供 Figure 3(g)(h)、Figure 4(g-j)、Figure S2/S4 的箱线图/热图散点逐点坐标
• 要求作者提供 Figure 5(h)(i)(j) 三幅 PE&PP 谱的原始 .txt/.csv 数据，以核实三组实验条件下的原始谱是否真的彼此独立
• 要求作者公开 GitHub 仓库的随机种子、训练日志、TensorBoard 标量曲线及超参数搜索日志
• 在 PubPeer 上提出关于"多图同偏移 copy-move 强信号 + 噪声方差异常"的质询
• 向期刊编辑部（Analytical Chemistry / ACS）提交图像取证复核请求

⚠️ 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。

---

🧮 证据合成（自动生成）

• 综合后验概率：≥99.9%（先验 5%）
• 95% 可信区间：[100%, 100%]
• 贝叶斯因子：BF = 1.72e+10（决定性（decisive））
• 综合评级：🔴 高度疑似
• 复核已排除线索：1 条（良性解释成立 / 检验前提不满足 / 说明性条目，未计入合成）

贡献最高的证据：

1. [I3] [img-002.png] 检测到 copy-move 复制粘贴：偏移 (32,0) 处 21 对匹配块（image/copy_move，logLR=1.46）— 贡献 7.9%
2. [I4] [img-003.png] 检测到 copy-move 复制粘贴：偏移 (32,0) 处 116 对匹配块（image/copy_move，logLR=1.46）— 贡献 7.6%
3. [I8] [img-005.png] 检测到 copy-move 复制粘贴：偏移 (64,0) 处 57 对匹配块（image/copy_move，logLR=1.46）— 贡献 7.4%
4. [I14] [img-008.png] 检测到 copy-move 复制粘贴：偏移 (0,32) 处 149 对匹配块（image/copy_move，logLR=1.46）— 贡献 7%
5. [I1] [img-000.png] 检测到 copy-move 复制粘贴：偏移 (216,0) 处 49 对匹配块（image/copy_move，logLR=1.46）— 贡献 6.7%

免责：本小节由程序化贝叶斯合成自动生成，不构成学术不端判决。先验固定 5%，证据间按条件独立处理（可能高估相关证据的联合强度），LR 版本 geng_lr_v3（Phase 5 基准回归校准：任务级触发率比值+复核处置标签，n=11，向 v2 收缩 k=10）；可信区间与点估计来自同一后验（先验抽样 + LR 噪声的联合蒙特卡洛，区间随证据强度收敛）。请以正文具体发现与原始数据为准。