由于化石燃料使用造成的大量碳排放,全球温室效应日益明显,极端高温导致的灾害频率日益逐渐增加。随着现代传感器和成像设备的发展,烟雾探测已经被证明是早期预警的有效工具。基于视觉传感的烟雾早期预警模型由于其覆盖面积大、响应时间短、成本低等优点,逐渐取代传统传感器烟雾探测系统,并且随着机器视觉技术的快速发展,受到研究者们的广泛关注。但是,由于烟雾的流体特性,其形态尺度变化剧烈,给预警模型带来了很大挑战。现有的一些视频烟雾检测技术,大多采用基于可见光视觉的方法,很难避免例如相似物、镜面反射和复杂环境等挑战下对模型的影响。由于红外成像对温度敏感,可以在成像时突出烟雾的形态,因此通过将红外图像中的烟雾信息补充到可见光图像中可以增强烟雾的特征描述,从而使可见光-红外融合的烟雾检测具有更高的鲁棒性。不幸的是,虽然多模态融合系统可以有效提升检测精度,但其多模态成像的捕获和配准要求很高。然而,到目前为止,针对烟雾预警检测的大型可见光-红外融合检测数据集和对应解决方法相对较少。基于以上考虑,本文主要工作如下:（1）基于可见光图像的烟雾检测模型受烟雾的形状变化、遮蔽影响、镜面反射及光照强度等因素影响较大,而在红外图像中可以突出烟雾的全局特征,降低其他因素的影响。因此在烟雾检测时引入红外信息,构建红外补充可见光的融合检测框架可以很大程度上解决以上问题。所以,本文提出双模态成像系统,仅采用两个具有红外夜视功能的摄像头实现双模态成像,并以此创建非配准红外补充可见光烟雾检测数据集IVFSD,为非配准多模态融合烟雾检测提供数据支持。（2）由于烟雾区域的不规则性,在烟雾稀少的部分包含了局部特征与全局特征,而在烟雾浓密的部分存在大量的局部特征。考虑以上特性,在已有的非配准数据基础上,本文提出了Swin-Rep C多模态融合检测网络,该网络采用双分支编码器结构,其中一个分支使用基于（Convolution Neural Network,CNN）的Rep C模块提取可见光图像的局部特征,同时,另一分支使采用基于Transformer的Swin-Transformer模块提取红外图像的全局特征。为高效融合两分支的特征,本文设计了多源特征检索匹配策略和深度小波并行融合模块,进行高效的特征融合,最终采用YOLOX检测头对融合特征进行金字塔解码回归,实现复杂环境下的高精度烟雾检测。通过定量实验表明,本文提出的Swin-Rep C模型,在传统配准多模态融合检测实验中达到90.75%的m AP检测精度,并在非配准红外补充可见光烟雾检测实验中达到80.34%的m AP检测精度。（3）上述检测模型只能对单张图像进行烟雾检测,但在实际生产应用中,往往需要结合视频流进行快速的检测,并且由于烟雾的流动性与扩散性所造成的误检并不能由检测模型进行有效的排除。因此,由烟雾检测模型与目标追踪技术联合作用能够降低整个烟雾检测算法的误检率。目标追踪技术通过在不同的帧之间建立帧与帧之间烟雾位置的关联。在单帧静态检测的基础上,再跟踪其时空域上的动态信息,通过人为设置逻辑来提高检测精度、降低误检率。除此之外,为了实现模型在边缘侧的高性能推理和应用,使用非对称量化策略将深度神经网络的浮点数转换为整型,在硬件上加速计算过程。通过定性和定量实验表明,本文提出的算法通过量化计算可以有效地减少约44.2%的推理时间和约67.9%的模型内存占用,最终在RV1126开发板上实现了边缘计算并高效运行。