Para resolver o problema da redução da precisão no reconhecimento de componentes devido à auto-oclusão do alvo, características visuais pouco evidentes e grandes variações de características, propõe-se um método de reconhecimento de componentes de alvos infravermelhos baseado em grafo de conhecimento. Adota-se uma estratégia de reconhecimento em duas etapas: primeiro reconhecer o alvo como um todo, depois reconhecer os componentes do alvo. Primeiro detecta-se o alvo completo, expandindo a área do alvo para alta resolução e aprimorando as informações detalhadas do sinal, aumentando a capacidade de reconhecimento do alvo; em seguida, o modelo de reconhecimento de componentes incorpora o grafo de conhecimento do alvo, utilizando as relações estruturais dos componentes para inferir as relações de coocorrência dos componentes, integrando a atenção de correlação dos componentes para melhorar o desempenho do reconhecimento dos componentes, resolvendo o problema do reconhecimento de componentes devido à insuficiência de características visuais; para a auto-oclusão dos componentes, propõe-se uma estratégia de controle da taxa de aprendizado baseada na auto-oclusão, fortalecendo o desempenho de aprendizado e a convergência do modelo. Finalmente, foi construído um sistema de validação do modelo de escala equivalente para alvos internos, testando aviões em diferentes posturas e distâncias, alcançando precisão média de reconhecimento de 92,2%. Os resultados experimentais mostram que o método proposto possui melhor capacidade de reconhecimento dos componentes do alvo, melhorando significativamente a precisão e o recall.

Reconhecimento de alvos infravermelhos;grafo de conhecimento;reconhecimento global;modelo vetorial global;módulo de atenção;controle da taxa de aprendizado