根据基本科学指标库ESI（Essential Science Indicators）的最新统计数据，以我院杜豫川教授为第一作者和通讯作者，同济大学道路与交通工程教育部重点实验室为第一完成单位，发表在道路工程领域权威国际期刊International Journal of Pavement Engineering（JCR Q1区期刊，影响因子为4.139）的论文“Pavement distress detection and classification based on YOLO network”（2021年，22卷，13期，p.1659-1672）入选工程（Engineering）领域ESI全球TOP 0.1%热点论文。ESI Top 0.1%热点论文是指发表于近两年内某学科领域中被引用次数排名在前0.1%以内的文章。

该研究是机器视觉算法在路面损伤检测和评估方面的率先探索之一，利用高速工业相机对路面图像信息进行拍摄采集，形成了5万余张标签化的数据集可作为模型输入，通过基于深度学习的目标检测框架YOLOv3网络进行路面损伤的自动检测和分类，并提取路表材质的形态特征，便于后续对于损伤的时空维度持续跟踪。该方法可大大降低人工作业的成本，而且处理速度极快，每秒可处理40余张图片，能够满足道路管养对路面损伤检测日益增长的需求，相关算法已经在国内十余省市进行了规模化的工程应用，具有很好的推广前景。

ESI是由世界著名的学术信息出版机构美国科技信息所（ISI）推出的衡量科学研究绩效、跟踪科学发展趋势的基本分析评价工具，是基于汤森路透Web of Science（SCIE/SSCI）所收录的全球11000多种学术期刊的数千万条文献记录而建立的计量分析数据库。ESI对全球所有的SCIE、SSCI库中2005年以来的论文数据进行统计，按被引频次的高低确定出衡量研究绩效的阈值；ESI高被引论文已成为当前衡量和评价国家/地区科研水平、机构学术声誉、学科水平、科学家学术影响力以及期刊学术水平的一个重要指标。