火灾是一种突发性强、无法操控的剧烈燃烧反应。它可能影响人们正常生活,使家园被破坏。火灾发生带来的不确定性,会导致运用单一检测判据的火情识别方式,无法达到人们期望的预判准确率。针对这一系列缺陷,本文采取了基于信息融合的测试方法并建立测试系统,对火情施行更精准的判别。通过查阅资料、收集信息,剖析了火灾产生的条件及燃烧历程特性,对火灾的发展进程划分,选取温度数值、CO质量分数和烟雾质量分数当作火情识别的判据,预测无火、阴燃火、明火三种火情。采用PyroSim火灾模拟软件,建立了居室模型,对其划分了网格,以三大守恒方程作为理论支撑,进行了聚氨酯类物质燃烧的阴燃与明火试验,获取了火灾判据的试验数据,作为检测算法的训练输入。研究了支持向量机（SVM）这一分类算法的数学原理,对遗传算法（GA）、粒子群算法（PSO）、均衡优化器（EO）,这三类元启发式优化算法进行描述。设计了GA-SVM、PSO-SVM、EO-SVM这三种算法,先利用元启发算法对SVM的相关参数优化,之后对试验获取的数据实行仿真训练,使算法能够完成对无火、阴燃火和明火情形的分类。在整体系统的设计上,采用STM32F4作为核心控制芯片,进行整体系统的搭建。通过三种传感器分别对温度数值、CO质量分数和烟雾质量分数进行收集,利用TFT彩屏呈现火情,以NRF24L01实现主从控制器的通讯。编制控制软件,实现了软硬件的结合,完成系统综合测试。实验结果表明:EO-SVM的预判准确性最佳且收敛速度最快,确立了以EO-SVM为核心的火灾参量数据融合方法。通过主从控制器的通讯,实现火情信息的实时传输。所研究的成果对提升火情识别的准确率和时效性方面有借鉴意义,同时对于提升灾情救援速度有积极作用。