根据基本科学指标库ESI（Essential Science Indicators）的最新统计数据，以同济大学智能交通新兴计算与感知研究课题组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。