货车轴型识别被广泛应用于高速公路计重收费和货车超重检测等领域。传统基于轴型检测器的货车轴型识别方法存在准确率低、安装时需要破坏路面、不易维护和成本高的问题。针对这些问题,本文研究了基于深度学习的货车轴型识别方法,只需要货车的图像信息,就能直接识别出货车轴型,具有准确率高、成本低和安装维护方便等优点。本文主要内容如下:（1）研究一种基于目标检测的货车轴型识别方法,该方法先利用目标检测算法YOLOv3检测货车轮轴,再根据货车轮轴检测结果识别货车轴型。针对YOLOv3检测货车轮轴存在网络结构冗余和准确率低的问题,对YOLOv3的网络结构和损失函数进行改进。实验结果表明,该方法识别货车轴型的平均准确率达到98.42%,在CPU端识别货车轴型仅需0.096秒。（2）研究一种基于图像分类的货车轴型识别方法,该方法利用图像分类算法识别货车轴型。针对部分货车轴型非常相似,导致图像分类算法识别货车轴型准确率低的问题,该方法借鉴迁移学习的思想,用两个经过预训练的卷积神经网络分别提取货车轮轴特征和货车轮廓特征,然后将轮轴特征和轮廓特征进行融合,最后用分类输出的方式识别货车轴型。实验结果表明,该方法识别货车轴型的平均准确率达到99.26%,在CPU端识别货车轴型仅需0.177秒。（3）在实际应用场景（山西省吕梁市离石区某煤矿企业的货车超载监测站）中测试本文研究的货车轴型识别方法。测试结果表明,本文基于目标检测和基于图像分类的货车轴型识别方法均取得较高的平均准确率,分别达到98.60%和95.24%,证明了本文货车轴型识别方法的有效性。