森林资源对于人类的发展极其重要,而森林火灾具有突发性强、频率高等特点,不但威胁人员安全,而且会造成巨大的经济损失。因此,预防火灾已成为各国保护自然资源的首要任务。其中,烟雾是火灾发生的早期征兆,准确及时地识别烟雾的发生,对于减小资源损失、保护生态资源,具有重要意义。火灾早期烟雾检测通常是在检测点布置视觉传感器,实时采集图片或者视频信息,由人工判断是否发生火灾,具有人工成本大、漏判率高等缺点。针对上述问题,本文采用深度学习算法,分别从基于图片识别和基于视频识别,对自建数据集进行深度网络模型的建立。并针对烟雾视频中帧与帧之间的时序性特征,提出了基于视频的烟雾识别网络模型,以期探索深度学习技术在林火早期烟雾监测场景中的应用可行性。本文的主要工作包括以下几个方面:(1)数据集建立方面。主要以人工采集和当前公开数据库相结合的方式,建立烟雾图像数据集和视频数据集;(2)基于图像方面。深入研究深度学习网络模型结构,利用Faster R-CNN与SSD网络对烟雾图像进行烟雾识别检测,通过实验对比发现,在烟雾识别领域Faster R-CNN型网络的准确率要优于SSD型网络。(3)基于视频方面。着重考虑到林火烟雾视频中图像帧与帧之间的时间序列关系,提出基于视频的林火烟雾检测模型,验证不同种CNN+RNN的网络结构对林火烟雾的检测准确率,确定了最优模型网络参数。最终得到采用改进的VGG16+GRU的网络模型对烟雾的识别效果更好,识别的准确率达到75%。最后建立了考虑深度学习的林火烟雾识别结果可视化平台。