近日，根据科睿唯安（Clarivate）基本科学指标数据库（ESI）最新数据，我校智能科学与工程学院3篇论文入选ESI高被引论文，其中2篇入选ESI热点论文。

ESI高被引论文：指近十年内发表且在同学科领域中被引次数排名全球前1%的学术论文，是衡量学术成果影响力的重要指标。

ESI热点论文：指近两年发表且在最近两个月内的被引次数位居全球同学科、同期论文前0.1%的论文，是反映学术成果近期关注度和研究热点的重要指标。

入选论文简介1（ESI高被引论文，ESI热点论文）：

智能学院青年教师张宇轩、邱权教授等人于2026年在IEEE Internet of Things Journal发表的题为“TinyML-Enabled IoT Edge Framework with Knowledge Distillation for Weed Classification”的论文。

该研究聚焦于农业物联网边缘设备计算资源受限、杂草识别模型部署困难等问题，提出了一种融合知识蒸馏与微型机器学习（TinyML）的轻量化杂草识别框架。通过多维知识蒸馏策略实现模型压缩与性能优化，并成功部署于STM32H7微控制器，为农业机器人低功耗、高精度智能感知提供了技术支撑。

论文链接：https://doi.org/10.1109/JIOT.2026.3679508

入选论文简介2（ESI高被引论文，ESI热点论文）：

智能学院青年教师张宇轩、邱权教授等人于2026年在Frontiers in Plant Science发表的题为“Real-Time On-Device Weed Identification Using a Hardware-Efficient Lightweight CNN”的论文。

该研究聚焦于农业机器人杂草识别的实时性与硬件效率问题，设计了一种面向嵌入式设备的硬件高效轻量化卷积神经网络。通过优化网络结构与特征提取机制，实现了杂草图像的快速准确分类，为农业机器人实时杂草识别及精准除草装备的自主化发展提供了技术支撑。

论文链接：https://doi.org/10.3389/fpls.2026.1747863

入选论文简介3（ESI高被引论文）：

智能学院青年教师张宇轩等人于2026年在Scientific Reports发表的题为“TinyML Pipeline for Efficient Crack Classification in UAV-based Structural Health Inspections”的论文。

该研究聚焦于无人机结构健康监测中裂缝识别模型计算开销大、嵌入式部署困难等问题，提出了一种基于微型机器学习（TinyML）的轻量化裂缝识别框架。通过模型压缩与部署优化，实现了裂缝识别算法在资源受限微控制器上的高效运行，为无人机自主巡检及基础设施智能监测提供了技术支撑。

论文链接：https://doi.org/10.1038/s41598-026-43534-4