CNN火灾识别实战：数据集、模型训练与部署调优全指南

简介：一套基于PyTorch框架的卷积神经网络火灾识别项目，面向深度学习初学者与计算机视觉开发者，提供包含完整数据集和训练代码的落地参考，可直接用于图像分类学习或火灾检测场景扩展。压缩包内共有250个文件，含200张PNG图片、44张JPG图片，以及3个TXT说明文件和3个Python脚本，整体约173.55MB；其中图片构成多类别火灾样本集，文本记录图片路径与标签，脚本覆盖数据预处理、模型训练与界面展示的完整流程。代码内置数据增强策略，通过对图片的较短边增加灰边将非正方形图像补齐为正方形，并结合多角度旋转扩充样本集，以提升模型泛化能力。依次运行三个脚本即可完成训练数据生成、模型训练和可视化识别；训练过程会保存模型权重，并记录每个训练轮次的验证集损失值与准确率，便于分析收敛效果。目前已有170人下载学习，对于希望快速上手图像分类项目的开发者，这套代码在数据处理和训练日志方面的设计具有实用参考价值。

1. 基于CNN深度学习的火灾识别：这个项目包里最值钱的不是模型代码，是数据集

“基于CNN深度学习的火灾识别-含数据集.zip”这串名字放到下载列表里，很多人第一眼扫过去，注意力全在“CNN”和“火灾识别”上，觉得这就是个图像分类Demo。但把这个项目真正跑过一遍之后会发现，最难的不是网络结构，而是数据集的分布和质量。火灾识别做的是单帧画面判断——有火还是没火，最多再加一个烟雾类别。听起来比目标检测简单，实际操作时，正样本数量少、类火物体干扰多、负样本难收集，这三件事几乎决定了项目的成败。这个方案适合两类人：一类是做课设或毕设、需要在一到两周内跑通一个完整项目的学生；另一类是安防集成、消防预警场景里，需要一个离线哨兵模型的技术人员。

2. 火灾识别任务建模与 CNN 选型：先想清楚模型要学什么

2.1 第一道选择题：二分类还是多分类

数据集解压之后，常见的组织方式是 fire 和 no_fire 两个目录，复杂一点的会多一个 smoke 目录。这两个设计方案的差别很大。fire/no_fire 二分类训练难度低，标注成本也低，判定“有没有火”恰好覆盖大部分值班场景；fire/smoke/no_fire 三分类更贴近消防预期，但训练时模型很容易在烟火之间摇摆，因为浓烟和火焰在纹理与颜色上是连续的，边界本身就很模糊。

我的习惯是：先做二分类。如果实际场景里烟雾警报和火焰警报需要分开处理，再考虑扩展成多分类，而不是一上来就三分类。因为二分类输出的是一个概率，阈值可以直接调；多分类输出三个概率分布，调一个类别时会牵动另外两个，部署阶段的阈值逻辑变得复杂。对值班系统来说，单概率阈值更简单可靠。如果你手里这个数据集里 smoke 样本只有几十张，干脆并入 no_fire 或 fire，不要硬撑三类——类别样本数差太多，模型大概率会把 smoke 学成噪声。

2.2 CNN 为什么适合这个任务：边缘、纹理、颜色的层次抽象

传统火灾检测靠颜色阈值，在 RGB 或 HSV 空间里划定火焰的颜色范围，对静态图基本无能为力，对复杂背景更是误报频发；靠帧差法只能检测运动目标，摄像头轻微晃动就失效；光流法对安装稳定性和算力要求都很高。CNN 解决的核心问题是把“火焰长得像什么”转化为可学习的层次特征：浅层卷积核关注边缘和色块，中层关注火焰的不规则轮廓，深层关注“整团东西是不是火”。

火灾图像恰好具备这种层次性：火焰边缘破碎、内焰外焰颜色渐变、与背景对比强烈。CNN 的平移不变性让火焰出现在画面任何位置都能被识别，这也是它替代传统视觉方法的关键。但副作用也要清楚——模型如果强依赖颜色特征，就会把夕阳、红色车尾灯、工地安全帽这类区域激活。CNN 卷积神经网络代码骨架千篇一律，真正的差别全在数据准备上，这个项目最花时间的也是这一步。

2.3 从 ResNet18 起步：选型理由与替代方案

模型建议从 ResNet18 起步，而不是 VGG16。理由有三条：火灾识别任务本身不复杂，VGG 的参数量级在这里只会加速过拟合；残差结构让梯度传递更稳定，在不大的数据集上也更容易收敛；torchvision 里有预训练权重，迁移学习起步很快。训练脚本几乎可以照抄标准图像分类模板，只改最后的全连接层输出维度。

如果图像分辨率在 224×224 以下，ResNet18 足够用；如果数据集里大量存在“火焰只占画面一角”的远火场景，可以把输入分辨率提到 320×320 并换 ResNet34。但分辨率每提高一档，训练显存和时间都成倍增长，不要盲目上大网络。后续要是部署到边缘设备，换成 MobileNetV3 或 ShuffleNetV2，训练脚本只改模型实例化那两行，其他都不用动。

2.4 识别之外：什么时候该升级到目标检测

标题里写的是“识别”，本质是图像分类，输出“有火”或“没火”。但如果你遇到的是多火源、需要判断火灾蔓延方向、或者要在监控大屏上圈出火焰位置，分类模型做不到。这时应该切换到目标检测路线，YOLO 训练自己的数据集是目前工程里最主流的做法，检测框能直接打到监控画面上，这是分类模型给不了的。

不要期待分类模型输出火焰位置。很多项目做到一半发现“知道着火但不知道在哪”，回头把分类任务硬改成检测，数据集标注方式、损失函数、后处理全部要重来。所以拿到这个项目包时先确认自己的需求边界：只要报警，分类够用；要定位，直接改用检测方案，别在分类模型上浪费时间。

3. 数据集的组织与预处理：从解压到可训练样本

3.1 解压后第一件事：扫描目录、统计类别、识别坏图

拿到项目包，第一件事不是打开训练脚本，而是先扫描一遍数据集。常见问题是：从网络收集的图片有的文件不完整、有的是 RGB 转 CMYK 导致读取异常、还有的混入了透明通道的 PNG。这些问题会在训练到一半时才暴露，很难排查。先跑一段脚本做体检。

import os from collections import Counter from PIL import Image root = "fire_dataset" exts = {".jpg", ".jpeg", ".png", ".bmp"} stats = Counter() broken = [] for dirpath, _, files in os.walk(root): for f in files: ext = os.path.splitext(f)[1].lower() if ext not in exts: continue p = os.path.join(dirpath, f) stats[dirpath.split(os.sep)[-1]] += 1 try: img = Image.open(p) img.verify() except Exception: broken.append(p) print("类别统计：", stats) print("损坏图片数：", len(broken)) for p in broken: print(p)

这段脚本做三件事：按目录统计图片数量、用 PIL 的 verify 方法校验文件完整性、把损坏图片的路径打印出来。参数注意点在于 exts 集合——把常见格式放进去，但 .gif 和 .webp 建议直接忽略，它们在训练框架里可能被当作多通道动画处理，后续会出幺蛾子。broken 列表里的文件直接移出数据集目录。如果损坏图片数量超过几十张，说明数据集来源混杂，要警惕整体质量。

这一步的产出不只是干净数据，还顺带确认了目录结构。PyTorch 的 ImageFolder 机制要求 train 目录下按类别分子文件夹，比如 train/fire、train/no_fire，类别名就是文件夹名。如果你的数据集是 CSV 标签或 VOC 格式，要在这里就转换成这种目录结构，别拖到配置数据加载器时再改。

3.2 按视频片段划分 train/val，避免数据泄漏

这个坑几乎每个火灾识别项目都会踩一次。很多火灾数据集是从监控视频里抽帧得到的，同一个片段的连续帧几乎一模一样。如果直接把所有图片随机打散成训练集和验证集，验证集会包含大量训练集的“近亲”，离线精度虚高。部署到现场时模型面对的全是新场景，马上被打回原形。

正确做法是按来源分组。文件名里通常有场景标识，比如“scene07_frame0123.jpg”这种规律，按 scene 字段分组，整组切分：

import os import random random.seed(0) src = "fire_dataset/fire" groups = {} for name in os.listdir(src): gid = name.split("_")[0] groups.setdefault(gid, []).append(name) gids = list(groups.keys()) random.shuffle(gids) val_gids = set(gids[: int(len(gids) * 0.2)]) val_files = [f"{gid}_{fn}" for gid in val_gids for fn in groups[gid]]

关键在“分组”而不是“分图”。gid 取文件名第一段作为场景标识，按组切分，保证同一个视频片段的所有帧要么全在训练集、要么全在验证集。val_gids 取 20% 的场景组，这一组里所有图片进验证集。如果数据集命名没有这种规律，就按拍摄目录、按日期目录划分，原则是“同一来源的图片不能同时出现在两边”。

划分完成后，用脚本检查一下训练集和验证集的源标识是否有重合，确认没有文件级重叠再进入训练。这一步的成本只有几分钟，却能避免后面精读虚高、返工数天的尴尬。

3.3 数据增强的边界：别把火焰颜色增强没了

火灾识别里颜色是强特征，所以数据增强要刻意克制。下面这组 transform 是我常用的起点：

from torchvision import transforms train_transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p=0.5), transforms.RandomRotation(degrees=10), transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ])

Resize 统一输入尺寸；水平翻转对火焰有效，火焰没有方向性；RandomRotation 限制在 ±10 度，超过这个范围火焰形态会失真，也不符合固定摄像头画面里火源基本在水平方向蔓延的常识。ColorJitter 这里刻意把 hue 设为 0——色调偏移会把火焰从红黄变成紫绿，模型会学到“颜色多变的才是火”这种错误概念。brightness、contrast、saturation 的小幅扰动可以模拟不同光照和摄像头参数，但幅度控制在 0.2 以内。如果数据集本身曝光差异很大，再放开到 0.3 左到顶。

验证集和测试集不要加任何随机增强，只做 Resize、ToTensor 和 Normalize。注意 Normalize 用的 mean 和 std 是 ImageNet 的统计量，因为迁移学习加载的预训练权重就是在这个分布上训练的。如果你从头训练模型，这里要改成数据集自己的统计量，否则输入分布不匹配。

4. 训练脚本与参数调优：从能跑通到收敛

4.1 最小可运行训练脚本：模型加载、数据加载与训练循环

这段代码是 CNN 卷积神经网络代码的标准骨架。假设第 3 章的 transform 已经定义好了，训练部分这样写：

import torch import torch.nn as nn from torchvision import models from torch.utils.data import DataLoader, ImageFolder device = "cuda" if torch.cuda.is_available() else "cpu" model = models.resnet18(weights="DEFAULT") model.fc = nn.Linear(512, 2) model = model.to(device) dataset = ImageFolder("dataset/train", transform=train_transform) loader = DataLoader(dataset, batch_size=32, shuffle=True, num_workers=4) loss_fn = nn.CrossEntropyLoss() optimizer = torch.optim.Adam(model.parameters(), lr=0.001)

逻辑说明：ImageFolder 按目录结构自动生成标签，train 文件夹下两个子目录 fire、no_fire 分别对应类别 0 和 1。ResNet18 的 fc 层替换成输出维度 2 的全连接层，前面的卷积层直接加载预训练权重。CrossEntropyLoss 是分类任务的标准选择。Adam 优化器 0.001 学习率起步，但要收敛到更低 loss 需要配合学习率衰减。

训练循环本身不复杂，核心是每个 epoch 计算 loss 和 accuracy，验证阶段关掉梯度。数据量只有几千张时，在预训练权重基础上全量微调 10 到 20 个 epoch 基本就能收敛。学习率衰减建议用 StepLR，每 5 个 epoch 乘 0.1，或者用 ReduceLROnPlateau 监控验证集 loss 自动降学习率。从头训练整个 ResNet18 在几千张图上不太现实，也容易过拟合，迁移学习是这个任务的最优解。

4.2 五个必调参数：学习率、批量大小、冻结层数、轮数与阈值

训练阶段需要细调的参数并不多，大部分用默认值就能跑通，但这五个会直接影响结果。

这五个参数里，学习率和 batch size 的关系最密切。学习率过大，第一个 epoch 的 loss 直接飙升到十几甚至 NaN；batch size 太小，BatchNorm 的统计量不稳定，loss 曲线会像锯齿一样跳动。冻结层数适合数据量不足的场合，比如只有两三千张图，可以把 layer1 到 layer3 全部冻结，只训练 layer4 和 fc 层，收敛更快也更稳。训练轮数不要死板地定 30，配早停看验证集 loss 才是正路。

分类阈值严格来说是部署参数不是训练参数，但很多人在测试脚本里忽略它。默认 0.5 的阈值意味着只有超过 50% 概率才报警。火灾场景里，宁可误报让值班人员去确认，也不能漏报让火情扩大，所以阈值下调到 0.3 甚至 0.25 是合理操作。误报的代价是人工确认，漏报的代价是事故，两者权衡没有悬念。

4.3 Checkpoint 与早停：给训练上后悔药

火灾数据集往往不大，网络在训练后期波动明显。常见做法是每个 epoch 结束后保存一次权重，验证集 loss 连续几个 epoch 不降就提前停止：

best_loss = float("inf") patience = 5 bad_epochs = 0 for epoch in range(30): train_loss = train_one_epoch(loader, model, loss_fn, optimizer) val_loss = evaluate(val_loader, model, loss_fn) if val_loss < best_loss: best_loss = val_loss torch.save(model.state_dict(), "best_fire.pth") bad_epochs = 0 else: bad_epochs += 1 if bad_epochs >= patience: print(f"early stop at epoch {epoch}") break

patience 设为 5，意思是连续 5 个 epoch 验证集 loss 没有创新低就停止，避免在过拟合区间继续无效消耗。best_fire.pth 保存的是验证集最优的模型参数，而不是最后一轮的参数。这个文件就是训练过程的后悔药——断电、显存溢出、学习率设错，都能从最近一次保存点恢复，不至于从头再来。训练脚本里每一轮都覆盖 best_fire.pth 的开销可以忽略，但收益是实打实的。另外建议每隔几个 epoch 额外存一个带轮数的 checkpoint，便于对比中间结果。

5. 火灾识别训练翻车排查：五个高频坑与处理思路

5.1 训练 loss 不下降，前几个 epoch 卡在 0.69 附近

现象：loss 初始值在 0.69 上下徘徊，多个 epoch 过去没有任何下降趋势。

原因：二分类交叉熵的随机基准确是 ln2，约等于 0.693。卡在这个位置说明模型完全没有学到任何模式。最常见的原因是学习率过大导致梯度震荡，其次是数据没归一化或者标签顺序错乱。

解决：先确认数据管道里真的执行了 ToTensor 和 Normalize，很多自定义 Dataset 里漏了这一步，输入值域完全不对。然后学习率从 0.001 降到 0.0001，看 loss 是否开始下降。这两个动作能解决九成以上的“不收敛”问题。

5.2 验证集精度 95%，实拍场景把红色车尾灯当成火灾

现象：离线指标非常漂亮，到了真实场景，红色灯光、夕阳、深色背景里的红色衣物全被报警。

原因：训练集正样本太“干净”。公开的火灾图片大多是清晰的明火，负样本里缺少“颜色像火但不是火”的困难样本。模型学到的是颜色特征，而不是火的形态学特征。

解决：收集类火负样本——夕阳、红色广告牌、建筑外墙灯带、停车场红色车灯，标注为 no_fire 加入训练集。这类困难负样本不需要多，每个场景十几张就能显著降低误报。数据增强里适度放开 brightness 和 contrast，模拟不同环境的光照差异。

5.3 三分类里烟雾类把火焰类吞掉

现象：fire/smoke/no_fire 三分类中，fire 的召回率低，大量火焰样本被分到 smoke。

原因：烟雾和火焰在形态上连续，浓烟里带火、火焰周围有烟，标注边界本来就模糊。加上 smoke 样本量远大于 fire，类别不均衡放大了混淆。

解决：给 CrossEntropyLoss 传 class_weight，按样本比例的倒数设置。如果还是压不住，换成 Focal Loss，它对难分类样本更敏感，但要额外调 gamma 参数。在小数据集上先用 class_weight，成本最低，效果也最直观。

5.4 同一视频的连续帧同时出现在训练集和验证集，精度虚高

现象：训练精度和验证精度都超过 98%，实拍视频测试时检测结果频繁闪烁，同一场景隔几帧就误报一次。

原因：数据泄漏。同一个视频片段的相邻帧被随机划分到了两边，验证集和训练集高度相似，等于开卷考试。

解决：回到第 3.2 节，按场景分组划分数据集。划分后手动抽查验证集文件名的来源标识，确认与训练集没有重叠。精度虚高比精度低更危险，因为它会给你虚假的信心直接部署。

5.5 显存溢出把 batch size 调到 1，模型直接失控

现象：OOM 报错后把 batch size 降到 1，loss 剧烈震荡且不可复现，验证集精度随机波动。

原因：BatchNorm 在 batch=1 时统计量失去意义，均值和方差由单张图片决定，模型数值极不稳定。

解决：不要用 batch size 为 1 训练带 BN 的网络。显存不够时优先降低输入分辨率，比如从 224 降到 160；或者开启梯度累积，把多个小 batch 的梯度攒在一起更新。另一个思路是把 BN 层换成 GroupNorm，不依赖 batch 维度的统计特性，但改网络结构要谨慎评估。

6. 用 Grad-CAM 验证模型到底在看什么：落地前最后一步

6.1 类激活热力图：把 CNN 的黑匣子摊开看

火灾识别是责任敏感场景，模型说“着火了”，值班人员要能信得过它。CNN 是黑匣子，验证集精度高不代表模型逻辑对。Grad-CAM 能直观看到模型做判断时盯着画面哪个区域，这是发现模型“学偏了”最直接的手段。

features = {} def hook_fn(module, inp, out): features["feat"] = out model.layer4[-1].register_forward_hook(hook_fn) out = model(image.unsqueeze(0)) one_hot = torch.zeros_like(out) one_hot[0, 0] = out[0, 0] # 类别 0 是 fire out.backward(one_hot) grads = features["feat"].grad weights = grads.mean(dim=(2, 3), keepdim=True) cam = (weights * features["feat"]).sum(dim=1, keepdim=True) cam = torch.relu(cam)

逻辑说明：对类别 0 的得分做反向传播，取最后一个卷积层的特征图和对应的梯度。梯度做全局平均得到每个通道的权重，加权求和后经过 ReLU 得到热力图，再缩放到输入图尺寸叠加显示。对火灾识别来说，热力图高亮区域如果落在火焰核心或烟雾扩散区域，说明模型学的特征正确；如果高亮在墙壁、桌面、天空上，说明模型学到的是场景背景特征，之前再高的精度数字都要打个问号。

6.2 落地前的三件小事

第一，把分类阈值从 0.5 下调到 0.3 到 0.4，宁可误报让值班人员手动确认，不能漏报。第二，单独测夜间和低照度场景，火灾数据集白天图片占比高，夜间火光在暗背景下的颜色表现完全不同，没有夜问样本的模型在晚上基本失效。第三，部署到算力有限的边缘设备时换 MobileNet 并做 INT8 量化，兼顾速度和功耗的收益远大于几个点的精度损失。

我自己在这个项目上吃过亏。以前赶一个现场项目，验证集精度做到 96%，跳过 Grad-CAM 直接部署，结果保洁阿姨穿红色制服经过走廊，系统连续报警三次。后来每次训练完都先跑一轮热力图再谈上线，现场翻车浪费的时间比做可视化多十倍。希望帮到你。

本文还有配套的精品资源，点击获取