森林、乡村等户外环境有火灾发生时,由于监控力度不足而不易被及早发现,因此本文将致力于对该环境下火灾烟雾的检测方法研究。通过对户外火灾烟雾的研究发现它具有持续性、扩移性、多样性、边缘效应以及飘散现象,后四个特性使得火灾烟雾的浓度、形状以及颜色等出现不规则的变化而不易被检测;此外,云作为火灾烟雾最常见的干扰物,经常会出现在检测场景中,这也为火灾烟雾的检测提出了挑战。针对以上检测难度,本文提出了一种基于卷积神经网络的多级显著性目标检测网络(Multi-level Saliency Target Detection Network,简称MSTDN)对户外火灾烟雾进行检测。MSTDN网络结构通过利用特征映射中不同层次的语义信息来综合判别火灾场景中的烟雾区域。具体来说,MSTDN网络结构首先进行基础特征的提取,然后在此基础之上分为两个分支同步判别火灾烟雾区域,即低级网络分支结构和高级网络分支结构;其中低级网络分支中的语义信息包含三个不同的较为初级的特征映射,高级网络分支中包含两个更为精炼的特征映射,这些特征映射主要包含颜色、纹理以及强度等信息,最后将低级网络分支和高级网络分支的特征信息进行融合判断图像中的火灾烟雾区域。为了能够进一步提高MSTDN网络对户外火灾烟雾的检测性能,文中引入了空间注意机制和通道注意机制,提出了一种基于注意力机制的MSTDN网络结构。通过实验验证发现,文中提出的网络结构在测试数据集上的平均交并比(MIo U)可以达到87.71%,优于与本文网络相比较的其他四个网络结构。