Frente al desafío de la reducción de la precisión en el reconocimiento de los componentes del objetivo debido al auto-ocultamiento del objetivo, la falta de claridad de las características visuales y la gran variabilidad de las características, proponemos un método de reconocimiento de componentes de objetivo infrarrojo basado en un grafo de conocimiento. Aplicando una estrategia de reconocimiento en dos etapas, primero reconocemos el objetivo en su totalidad, luego reconocemos los componentes del objetivo. Primero detectamos el objetivo, luego ampliamos el área objetivo a la información detallada de señales de alta resolución mejoradas, mejorando la capacidad de reconocimiento del objetivo; luego, el modelo de reconocimiento de componentes se integra al grafo de conocimiento del objetivo, utilizando la relación estructural de los componentes del objetivo para deducir la co-ocurrencia de las relaciones de los componentes, fusionando componentes atentos relacionados para mejorar el rendimiento del reconocimiento de los componentes, resolviendo el desafío del reconocimiento de componentes causado por la falta de claridad de las características visuales; para el auto-ocultamiento de los componentes, se propone una estrategia de control de la tasa de aprendizaje basada en el auto-ocultamiento, mejorando el rendimiento y la convergencia del modelo al auto-ocultamiento. Por último, se estableció un modelo de sistema de verificación de reducción equivalente interior del objetivo para probar aviones en diferentes posiciones y distancias, y el promedio de precisión de reconocimiento alcanzó el 92,2%. Los resultados del experimento muestran que el método propuesto de reconocimiento de componentes de objetivo funciona mejor, mejorando significativamente la precisión y la recuperación.

Reconocimiento de objetivo infrarrojo; grafo de conocimiento; reconocimiento global; modelo de vector global; módulo de atención; control de la tasa de aprendizaje