Para abordar el problema de la disminución de la precisión del reconocimiento de componentes debido a la autooclusiónde objetivo, características visuales poco evidentes y grandes variaciones de características, se propone un método de reconocimiento de componentes de objetivos infrarrojos basado en un grafo de conocimiento. Se utiliza una estrategia de reconocimiento en dos etapas: primero reconocer el objetivo general y luego reconocer los componentes del objetivo. Primero se detecta el objetivo completo, ampliando el área del objetivo para aumentar la resolución y mejorar la información detallada de la señal, mejorando la capacidad de reconocimiento del objetivo; luego, el modelo de reconocimiento de componentes integra el grafo de conocimiento del objetivo, utiliza el razonamiento sobre las relaciones de coocurrencia de los componentes basado en la estructura de los componentes del objetivo, y fusiona la atención de correlación de componentes para mejorar el rendimiento de reconocimiento de componentes, resolviendo el problema del reconocimiento de componentes debido a la insuficiencia de características visuales; para la autooclusión de componentes, se propone una estrategia de control de la tasa de aprendizaje basada en la autooclusión para mejorar el rendimiento y la convergencia del aprendizaje del modelo. Finalmente, se construyó un sistema de validación de modelos de escala equivalente de objetivos en interiores y se probó en aeronaves bajo diferentes posturas y distancias, logrando una precisión media de reconocimiento del 92.2%. Los resultados experimentales muestran que el método propuesto tiene una mejor capacidad para reconocer componentes del objetivo, mejorando significativamente la precisión y la recuperación.

Reconocimiento de objetivos infrarrojos;grafo de conocimiento;reconocimiento global;modelo vectorial global;módulo de atención;control de tasa de aprendizaje