轮胎作为车辆最为重要的安全部件,其安全技术要求等级很高。如果有问题的轮胎没有及时地被召回,将对社会及消费者安全存在威胁。为了对可能出现的轮胎召回问题进行有效管理,制造和装配厂都记录了DOT（Department of transportation）信息。通过读取轮胎侧面的DOT信息,制造商能够实现对轮胎产品的追溯和分类。该工作目前主要依靠人工识别,速度非常慢,还需要大量人力,并且工人在长时间的工作后会出现视觉疲劳,将导致识别准确率的降低。为了取代人工识别,本文提出了基于深度学习的轮胎DOT信息识别框架。本文主要研究内容如下:（1）基于多步骤深度学习的方法,针对轮胎文本方向的随机性,为了实现对轮胎DOT信息的检测与识别,提出了基于轮胎文本方向分类的文本矫正方法,结合文本检测与文本识别,实现对任意方向轮胎文本的识别。（2）为了提高算法速度,本文提出基于端到端深度学习的轮胎DOT信息识别框架。框架由共享卷积层、轮胎DOT信息区域定位、轮胎DOT信息检测、特征对齐层和轮胎DOT信息识别5个部分无缝组成,以完成不同的任务。共享卷积层部分所提取出的特征图被各个部分所共享,避免了每个部分都独立经过特征提取网络所带来的时间消耗。（3）为了进一步提高算法速度,提出了轮胎DOT信息区域定位算法,结合轮胎DOT信息都是以“DOT”字符开头这一特点,通过目标检测算法检测“DOT”的位置并结合文本方向信息判断出轮胎图像中是否含有完整的DOT信息,加快了算法的识别速度。（4）在基于深度学习的多任务框架中,其损失函数在训练时将不可避免地出现收敛不一致的问题。为了解决这个问题,本文通过理论分析,分析出框架中各个任务的损失对收敛的贡献,以确保框架能够有效的收敛。实验结果表明,本文提出的算法框架在识别速度上具有很好的表现,在文本检测指标F1-score和文本识别的准确率上皆有较好的表现,表明本文提出的基于深度学习的轮胎DOT信息识别框架在一定程度上促进轮胎产品追溯和分类的智能化及自动化。