1.一种轻量级的FIRE‑DET火焰检测方法，其特征在于，包括以下步骤：(1)构建FIRE‑DET模型；所述FIRE‑DET模型包括特征提取网络、特征融合网络、图像分割网络与预测识别网络；所述特征提取网络通过多卷积组合结构层叠构成，通过减少卷积的通道数降低检测模型的参数量；所述特征融合网络为BiFPN网络；所述图像分割网络，将融合后的特征进行反卷积和卷积操作后获得注意力图，并与特征融合网络获得的特征进行融合；

(2)对预先获取的包含复杂环境的视频帧图像进行预处理和归一化，形成数据集；并对FIRE‑DET模型进行训练，获得用于火焰检测的模型M；

(3)使用模型M对火焰对象的边框与类别进行预测后，获得并保存火焰的位置信息；将保存的火焰目标位置在原视频图像上进行可视化；当视频帧中各火焰目标面积的和与原视频帧面积的比达到预定阈值后，发出火焰警报。

2.根据权利要求1所述的轻量级的FIRE‑DET火焰检测方法，其特征在于，其特征在于，步骤(1)所述的特征提取网络工作过程如下：将输入的图片归一化为416×416大小生成IMG0；将归一化后的IMG0作为多卷积组合网络的输入进行计算获得F1；将F1进行卷积核为2×2的最大池化操作后获得的Pool1，作为多卷积组合网络的输入进行计算获得F2；将F2进行卷积核为2×2的最大池化操作后获得的Pool2，作为多卷积组合网络的输入进行计算获得F3；将F3进行卷积核为2×2的最大池化操作后获得的Pool3，作为多卷积组合网络的输入进行计算获得F4；将F4进行卷积核为2×2的最大池化操作后获得的Pool4，作为多卷积组合网络的输入进行计算获得F5；对F5进行卷积核为2×2的最大池化操作后，进行卷积核为3×3大小的卷积操作获得F6；对F6进行卷积核为2×2的最大池化操作后，进行卷积核为3×3大小的卷积操作获得F7。

3.根据权利要求1所述的轻量级的FIRE‑DET火焰检测方法，其特征在于，其特征在于，步骤(1)所述的特征融合网络工作过程如下：将经过特征提取网络多卷积组合结构获得的特征图F3、F4、F5、F6和F7作为BiFPN网络的输入，进行特征融合后获得输出C1、C2、C3、C4和C5；将C1、C2、C3、C4和C5作为BiFPN网络的输入，再次进行特征融合，获得输出D1、D2、D3、D4和D5；所述BiFPN网络的过程如下：

1)网络中有五个输入，分别记为Input1，Input2，Input3，Input4与Input5；

2)将Input1进行2×2的反卷积操作后与Input2进行矩阵和操作获得A1；将A1进行2×2的反卷积操作后与Input3进行矩阵和操作获得A2；将A2进行2×2的反卷积操作后与Input2进行矩阵和操作获得A3；

3)将A3进行2×2的反卷积操作后与Input5进行矩阵和操作获得B5；将B5进行2×2的最大池化操作后与Input4和A3进行矩阵和操作获得B4；将B4进行2×2的最大池化操作后与Input3和A2进行矩阵和操作获得B3；将B3进行2×2的最大池化操作后与Input2和A1进行矩阵和操作获得B2；将B2进行2×2的最大池化操作后与Input1进行矩阵和操作获得B1；

4)将每个1‑3)中的B1、B2、B3、B4和B5作为特征融合网络的输出。

4.根据权利要求1所述的轻量级的FIRE‑DET火焰检测方法，其特征在于，所述步骤(2)实现过程如下：

(21)通过对公开的火焰视频使用取关键帧的方法将视频提取出视频帧集合，并对视频帧集使用图像标注工具进行标注火焰的位置构建标签数据集；

(22)将训练数据集中每个视频帧图像对应的二值图像依照标签数据集，将二值图像对应原图标记火焰的位置设置为1，其他部分设置为0，形成FIRE‑DET的二值图像标签数据集，最后将视频帧集合、火焰对象标签数据集和二值图像标签数据集构建FIRE‑DET的数据集；

(23)将视频帧集合中视频帧图像的按正态分布的对像素值增长，并将视频帧图像随机产生水平镜像操作，对数据集进行数据增强。

5.根据权利要求1所述的轻量级的FIRE‑DET火焰检测方法，其特征在于，其特征在于，步骤(3)所述图像分割网络的损失函数为：‑abs(x)

loss＝max(x,0)‑x×z+log(1+e )其中，x为图像分割网络输出的注意力图，z为标记火焰目标的二值图像；将图像分割网络输出的三个注意力图分别与标记火焰的二值图像使用损失函数进行反馈计算。

6.一种采用如权利要求1至4任一所述方法的轻量级的FIRE‑DET火焰检测系统，其特征在于，包括：

图像预处理模块：用于读取视频帧图像，并将视频帧图像进行预处理和归一化；

火焰检测模块：用于使用训练好的FIRE‑DET模型对归一化后的视频帧图像进行检测，得到火焰目标的位置信息；

火焰区域可视化模块：用于根据火焰检测模块保存的火焰目标位置，对原视频图像中对应的是火焰目标进行标记，实现火焰追踪的可视化；

火焰警报模块：用于对视频持续监测，当火焰目标在视频帧中超出预定面积时，发出火焰警报以提示用户。

7.一种轻量级的FIRE‑DET火焰检测系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被加载至处理器时实现根据权利要求1‑5任一项所述的轻量级的FIRE‑DET火焰检测方法。