在化石燃料发电厂中,往往需要实时监测和控制燃烧过程,以提高燃料燃烧的效率,保障锅炉的安全性,并减少污染废弃物的排放。它可以为火焰燃烧优化提供决策依据,准确了解掌握锅炉火焰的燃烧条件。因此,燃烧器火焰场的三维重建仍然是燃烧和测量研究中的挑战。本文从火焰温度场出发,提取出火焰的真实场情况,首先通过了解其他学者对于火焰温度场的研究并设计相关火焰温度场重建实验,得出火焰温度场数据,再通过对一般边缘检测算法的研究,发现它们在火焰边缘检测中的不足,提出了一种基于改进的深度学习的整体嵌套边缘检测网络模型。该模型对比于原始的整体嵌套边缘检测网络模型,在每个stage后加入一个卷积输出层,对元素进行相加,得到一个复合特征,使得利用的信息更加全面广泛;同时对得到的边缘图像进行了边缘响应融合,利用匹配滤波提取边缘并将提取的边缘与改进的整体嵌套网络模型获取边缘进行逻辑“与”操作和连通性检测,得到了单像素边缘的检测结果。最后得到了 256个切面结果并对这些切面结果进行融合,得出最终火焰的真实场。本文提出了基于直方图均衡化的火焰边缘增强算法。实验中对火焰温度场在Z轴方向上切面图片中灰度分布概率进行调整,来提高火焰切片的边缘对比度,获取边缘更加清晰的火焰温度场切面图片。通过进行火焰真实场提取实验对所提出了方法进行了进一步的验证,将火焰真实场中火焰所占体积与火焰温度场中的体积进行对比,相比于火焰温度场,火焰真实场火焰边界更加的精准。实验验证了利用本文改进的整体嵌套边缘检测网络模型和数据预处理方法提取火焰真实场的方法的正确性和可行性。本文的方法是切实可行的,在精度和准确度上都可以满足工业上对火焰的监测要求。