随着经济的快速发展,拖拉机、三轮车等农用车在农村中发挥着越来越多的作用。然而,由于存在农用车违章载人这一现象,导致农用车在发生事故时往往死伤惨重。因此,本文提出了基于深度学习的农用车违章载人识别算法。通过对农用车违章载人和对违章农用车车牌的识别,为交通执法部门减少农用车违章载人的现象出一份力。本文具体的研究内容如下:1、本文提出了基于YOLOX的农用车与农用车车牌识别算法以对农用车和农用车车牌进行定位。随后,对农用车上违章载人识别这一特殊场景,本文提出两种方法对YOLOX进行改进。YOLOX使用的位置参数损失函数为交并比损失函数,本文将其改为广义交并比损失函数,从而使得网络能够更快更好地加以收敛。YOLOX使用的非极大值抑制,本文将其改为柔和的非极大值抑制,从而使得网络可以不至于过滤一些不该被过滤的边界框,减少网络的漏检。最后,通过实验验证了YOLOX可用于农用车和农用车车牌的识别,且相比于未改进,改进的YOLOX对农用车载人的漏检更少。2、针对YOLOX在识别农用车车牌时产生的识别位置不准问题,本文提出了基于CNN的农用车车牌预处理算法,以消除车牌图片中非车牌的噪音部分。随后,本文基于Conv Ne Xt网络的思想,提出了Conv Ne Xt-ST网络,并将其运用于农用车车牌识别中。最后,通过实验验证了相比于未经过预处理的其他端到端车牌识别算法,本文的农用车车牌预处理+农用车车牌识别算法可以更好地对农用车车牌的字符进行识别。