放空火炬燃烧过程存在火炬尾气（可燃性VOCs）超标排放问题,引发重大生产安全事故,严重污染大气环境。火炬尾气高效燃烧有助于保障安全生产、减少环境污染,控制助燃蒸汽流量是火炬高效燃烧的关键。目前,大多数石化企业采用人工的方式调控助燃蒸汽流量以促进火炬高效燃烧。通过人工观测火炬燃烧状态,手动调控助燃蒸汽流量。该方法存在控制精度差、稳定性低、人工响应不及时且易疲劳失误等问题。为了解决以上问题,本文提出基于图像的非接触式火炬燃烧状态检测方法,基于卷积神经网络检测全天候火炬燃烧状态,设计火炬高效燃烧控制系统智能调控助燃蒸汽流量。当检测到火炬异常燃烧状态时,增大助燃蒸汽流量,消除黑烟,保护大气环境;当检测到火炬低效燃烧状态时,减少助燃蒸汽流量,节约能源;当检测到火炬高效燃烧状态时,保持当前助燃蒸汽流量,维持火炬高效燃烧。本文以放空火炬燃烧状态为研究对象,主要研究基于卷积神经网络的火炬燃烧状态检测算法,并基于检测结果设计火炬高效燃烧控制系统,具体研究工作分为以下几部分:（1）基于孪生神经网络的火炬燃烧状态定性检测方法研究。针对白天火炬燃烧状态难以实时检测或检测成本过高的问题,研究基于可见光图像的非接触式检测方法,提出了一种基于孪生神经网络的火炬燃烧状态检测算法,通过学习输入样本之间的相似之处,比较相似度进而实现白天下火炬燃烧状态定性检测。（2）基于图像分割的火炬异常燃烧状态黑烟定量分析。针对火炬燃烧状态定性检测结果难以帮助火炬控制系统快速、稳定、准确的调控助燃蒸汽流量维持火炬高效燃烧的问题,研究火炬异常燃烧状态黑烟定量检测方法,提出了一种基于图像分割的火炬黑烟定量分析模型,将定量测量问题转换成定性识别问题,采用图像分割卷积神经网络对火炬黑烟进行逐像素分类,通过黑烟程度评估函数将分类结果映射成一系列连续值,完成对黑烟程度的评估,以实现火炬异常燃烧状态黑烟定量检测。（3）基于迁移学习的夜晚火炬燃烧状态检测方法研究。针对夜晚火炬燃烧状态检测方法缺失问题,研究基于红外图像的非接触式检测方法。提出了一种基于迁移学习的夜晚火炬燃烧状态检测方法,通过特征提取的方式学习计算机视觉任务中的通用边缘、结构低层次特征,固定卷积层权重,重新训练全连接层权重来解决红外图像小样本问题,实现夜晚火炬燃烧状态检测。（4）放空火炬高效燃烧控制系统设计。针对火炬气流量与成分不确定性严重,难以实现过程操作变量精准控制,研究火炬高效燃烧自主控制系统。系统以PLC控制器为核心,采用可见光、红外光高清摄像机获取火炬燃烧场景图片,应用图像处理程序检测火炬燃烧状态,以火炬燃烧状态作为控制系统反馈变量,结合前馈控制,智能调控助燃蒸汽流量以实现火炬高效燃烧,并在工程现场进行应用验证。