中国研究人员开发出一款轻量级人工智能系统，能够通过红外图像识别模拟隐身战斗机，从而提升寻热导弹在末段交战过程中对飞机、热焰弹以及其他热诱饵的目标判别能力。

本文是马来西亚《亚洲国防安全》网站发布的一篇文章，由本人翻译并分享给大家。翻译此文章只是为了转述外国人员表达的一些看法，并非本人观点，希望大家能够理解。

在硬件平台上的测试显示，这款系统对目标的分类准确率达到 96.4%，完成一次推理仅需 1.5 毫秒，功耗仅为 2.2 瓦，在处理速度、识别性能和能源消耗之间实现了较为理想的平衡。

这项技术的意义并不仅仅体现在计算效率方面，将目标识别能力直接嵌入导弹内部，有可能使导弹在完成导引头捕获目标之后，依靠自身系统进行本地判断，而不必依赖容易受到干扰的数据链、远程处理器，也能够降低电子攻击和通信延迟带来的影响。

雷达隐身技术主要通过优化外形设计、采用雷达吸波材料、将武器置于机内弹舱以及控制电磁信号辐射等方式，降低目标反射回波的电磁能量。但这些手段无法完全消除发动机尾气所产生的热量，也无法消除飞机高速飞行时空气摩擦造成的气动加热，因此战斗机仍然会留下红外热特征，而这些特征在近距离作战中可能变得十分关键。

传统红外制导导弹容易受到热焰弹干扰，因为热焰弹可以制造出亮度更高的热源，从而诱使导弹偏离真实目标。相比之下，中国研究人员开发的这一模型会进一步分析目标的热外形以及热量在空间上的分布特征，从而帮助未来的导弹导引头区分飞机具有结构特征的红外信号与持续时间较短的防御性热干扰。

这套系统在训练和测试过程中使用了 3245 张红外图像。这些图像由一种搭载在导弹上的扫描装置获取，目标类型包括模拟 F-22 和 F-35 战斗机的目标模型，以及一种巡飞弹，共分为三类目标。

这款系统的软件识别准确率达到 97.1%。而在针对模拟第五代战斗机目标的识别测试中，准确率达到 90%。这表明这项技术在实验室环境下已经展现出较好的应用前景，但这一结果并不能证明其已经具备针对实际美国战机或先进反制措施的作战有效性。

研究人员还通过结构优化、批归一化融合以及适用于导弹电子设备的 8 位量化技术，将模型压缩至原始参数量的 16.1%，同时将计算负担降低至原来的 19.2%。

随后，研究团队将这一分类器部署到 Zynq-7020 片上系统之中。该平台将处理器与可编程逻辑结合在一起，展示了采用成本较低、属于 FPGA 级别的硬件，有望在小型武器内部实现末段制导能力的分布式部署，而无需依赖复杂的机载计算架构。

论文第一作者强调，轻量化模型对于空空导弹而言具有较强的实用价值。通讯作者刘明所带领的团队则将这项技术描述为一种面向导弹载红外扫描成像系统的 " 高效分类与识别 " 方案。

参与这项研究的机构包括北京理工大学、中国空空导弹研究院以及一家国家级军事科研实验室。三方的合作，为相关算法研究进一步向武器装备研发方向转化提供了一条可能的技术路径。不过，到目前为止，还没有证据表明这一系统已经完成与实际导弹的集成。

因此，这项研究并不能推翻雷达隐身技术的作用，也不能证明已经具备远距离探测隐身战斗机的能力。但它所展示的方法表明，随着人工智能算法和低功耗硬件进一步成熟，未来可以通过规模化应用这种技术，提高近距离红外导引头对诱饵的抗欺骗能力，并使其在多光谱空战环境中更难被干扰和误导。