Con los datos chinos para motores de cohetes sólidos, el reconocimiento de entidades tradicional no puede utilizarse para aprender tanto las características de los caracteres como la información relacionada con la secuencia contextual del texto de entrada, y existe una falta de investigación sobre las ventajas de las redes de doble canal. Para abordar este problema, este documento propone un modelo de reconocimiento de entidades con doble canal basado en BERT para motores de cohetes sólidos. Este modelo utiliza un modelo de lenguaje preentrenado BERT para codificar caracteres individuales, obteniendo una representación vectorial correspondiente a cada carácter. La red de doble canal consta de una CNN y BiLSTM, utilizando la capa convolucional para la extracción de características y la capa BiLSTM para extraer información secuencial y relacionada con la secuencia del texto. Los resultados experimentales mostraron que el modelo propuesto en este documento logró buenos resultados en la tarea de reconocimiento de entidades utilizando el conjunto de datos de motores de cohetes sólidos. La precisión, la recuperación y la puntuación F1 fueron del 85.40%, 87.70% y 86.53%, respectivamente, lo que fue superior a los resultados de los modelos de comparación.