Um das Problem der verringerten Genauigkeit bei der Erkennung von Bauteilen aufgrund von Selbstverdeckung des Ziels, unklaren visuellen Merkmalen und großen Merkmalsschwankungen zu lösen, wird eine Methode zur Erkennung von Infrarot-Zielbauteilen basierend auf einem Wissensgraphen vorgeschlagen. Es wird eine zweistufige Erkennungsstrategie verwendet: Zuerst wird das gesamte Ziel erkannt, dann die Zielbauteile. Zunächst wird das gesamte Ziel erkannt und der Zielbereich erweitert, um die Auflösung zu erhöhen und Details des Signals zu verstärken, was die Erkennungsfähigkeit verbessert; anschließend wird das Bauteilerkennungsmodell in den Wissensgraphen des Ziels integriert, nutzt die strukturbezogenen Beziehungen der Zielteile zur Inferenz von Koexistenzbeziehungen und kombiniert die Aufmerksamkeitsmechanismen für die Bauteilassoziationen, um die Bauteilerkennungsleistung zu verbessern und somit Probleme zu lösen, die durch unzureichende visuelle Merkmale entstehen; für die Selbstverdeckung der Bauteile wird eine auf Selbstverdeckung basierende Lernratensteuerungsstrategie vorgeschlagen, die die Lernleistung und Konvergenz des Modells verbessert. Abschließend wurde ein System zum Validieren eines äquivalenten Innenziels-Modells aufgebaut und es wurden Tests an Flugzeugen unter verschiedenen Posen und Entfernungen durchgeführt, wobei die durchschnittliche Erkennungsgenauigkeit 92,2 % erreichte. Die Versuchsergebnisse zeigen, dass die vorgeschlagene Methode die Fähigkeit zur Erkennung von Zielbauteilen verbessert und die Präzision sowie den Rückruf signifikant erhöht.

Infrarot-Zielerkennung;Wissensgraph;Ganzheitliche Erkennung;globales Vektormodell;Aufmerksamkeitsmodul;Lernratensteuerung