Los vórtices de estela generados por las aeronaves durante las operaciones cerca del suelo tienen un impacto significativo en la seguridad aeroportuaria durante los despegues y aterrizajes. Identificar los vórtices de estela en espacios aéreos complejos ayuda a los controladores de tráfico aéreo a tomar decisiones informadas, asegurando la seguridad de las operaciones aéreas en los aeropuertos y mejorando el nivel de inteligencia del control de tráfico aéreo. A diferencia del reconocimiento de imágenes tradicional, identificar los vórtices de estela utilizando datos de LiDAR a bordo exige un nivel más alto de precisión. Este estudio propone la red IRSN-WAKE optimizando la red Inception-ResNet-v2. Para mejorar la capacidad de representación de características del modelo, introducimos el módulo SE en la red Inception-ResNet-v2, que pondera adaptativamente los canales de características para mejorar el enfoque de la red en características clave. Además, diseñamos e incorporamos un módulo de supresión de ruido para mitigar el ruido y mejorar la robustez de la extracción de características. Los experimentos de ablación demuestran que la introducción del módulo de supresión de ruido y el módulo SE mejora significativamente el rendimiento de la red IRSN-WAKE en tareas de identificación de vórtices de estela, logrando una tasa de precisión del 98.60%. Los resultados experimentales comparativos indican que la red IRSN-WAKE tiene una mayor precisión de reconocimiento y robustez en comparación con redes de reconocimiento comunes, logrando una identificación de vórtices de estela de aeronaves de alta precisión y proporcionando soporte técnico para la operación segura de los vuelos.