近日，中科院SCI一区Top期刊Engineering Applications of Artificial Intelligence在线发表的我校信息与电气工程学院低碳技术与智慧能源团队研究生曹玉康同学的研究论文“Improved YOLOv8-GD deep learning model for defect detection in electroluminescence images of solar photovoltaic modules”成功入选ESI高被引与热点论文，证明本论文受到引用的次数被归为Engineering学术领域最优秀的0.1%之列。该篇文章以山东建筑大学为第一署名单位，其导师和本文通讯作者分别为庞丹丹副教授与田崇翼研究员。

Engineering Applications of Artificial Intelligence是人工智能领域的重要国际期刊，专注于将AI方法应用于工程实际问题的研究与实践。根据最新JCR数据，该刊物影响因子为7.5，在“Computer Science: Artificial Intelligence”与“Engineering: Multidisciplinary”类别中排名Q1区，具有较高的学术影响力。

论文针对光伏组件缺陷背景复杂、缺陷不明显等问题，应用深度卷积、GSConv以及双向特征金字塔等结构，提出了一种基于slim-neck设计范式的光伏组件缺陷检测新方法--YOLOv8-GD，实现了各种复杂背景下光伏组件缺陷的高精度检测，最终的检测精度达到了92.8%。另外，通过多个光伏电致发光图像数据集对比实验、消融实验以及实验结果可视化等方式证明了YOLOv8-GD算法在光伏缺陷检测领域的可行性与鲁棒性，并进一步分析了单一组件以及合并组件对模型检测精度以及速度的影响，显示了YOLOv8-GD在光伏组件缺陷检测领域的潜力和推广价值。该成果相关技术已获批系列发明专利，未来可应用于光伏场站智慧运维等场景，助力新能源发展和双碳战略实现。

审稿：李瑞学

编审：李嘉麒

终审：张之稳