光电式火灾烟雾探测器是目前民用飞机货舱使用的主流火灾探测器,是保障飞机安全运行的关键,该探测器是利用烟雾颗粒对光的散射强度是否超过设定阈值来进行预警的,但由于空气中悬浮颗粒物（水蒸气或灰尘等非火灾烟雾颗粒）也具有散射效应,同样会触发火灾探测器报警,这种原理上的缺陷造成的误报情况时有发生。根据美国联邦航空管理局（FAA）技术中心的数据调查显示,飞机火灾报警率仅为0.5%,误报率高达99.5%。火灾探测器的高误报率已经严重影响到飞机的正常运行,给出行乘客带来了不便,给航空公司带来了重大的经济损失。因此本文针对火灾探测器误报率高的问题,利用不同波长光对颗粒物的散射信号不同的原理探测火灾烟雾,并引入索特平均粒径区分火灾烟雾颗粒和非火灾烟雾颗粒,提出以蓝光散射信号（表征为表面积浓度）、红外光散射信号（表征为体积浓度）、颗粒物索特平均粒径与温度联合探测技术为主,视频监测为辅的火灾探测方式,在此基础上结合遗传算法优化BP神经网络——GA-BP神经网络,建立多火灾特征参数联合探测模型,通过实验数据训练模型的火灾识别准确率,实现对不同种类可燃物的火情状态、水蒸气和灰尘等非火灾干扰颗粒物的识别。实验研究结果表明:（1）通过对比瓦楞纸片、榉木和棉绳三种可燃物蓝光与红外光的PTR（Ratio Of The Received Optical Power To The Transmitted Optical Power,接收光与发射光功率的比值）随时间的变化趋势,得出阴燃分解能力:棉绳＞纸片＞榉木。可燃物的蓝光与红外光PTR变化趋势与其燃烧时所产生的烟雾颜色有关,发生阴燃时会产生大量白色烟雾,发生明火时会产生少量白色烟雾和大量黑色烟雾,而黑色烟雾相较于白色烟雾的蓝光和红外光的PTR更小。（2）火灾烟雾颗粒和空气中非火灾烟雾颗粒具有不同的粒径范围,且非火灾烟雾颗粒一般远大于火灾烟雾颗粒的粒径。本实验中瓦楞纸片、榉木和棉绳三种可燃物的阴燃和明火烟雾的索特平均粒径相差不大,分别约为480±10 nm、445±10 nm、530±10nm,而水蒸气和灰尘的索特平均粒径为1025 nm～1135 nm、2835±290 nm～3025±60nm,与烟雾颗粒粒径差距明显,所以可使用索特平均粒径作为区分火灾烟雾颗粒和空气中非火灾烟雾颗粒的特征参数。（3）瓦楞纸片、榉木和棉绳在发生阴燃和明火时温度差异明显,因此温度可以作为识别火情状态阴燃和明火的火灾特征参数。由于水蒸气、灰尘等非火灾干扰颗粒不释放热量,所以温度也可作为区分真假火源的一个重要参数。（4）基于遗传BP神经网络（GA-BP）算法,建立多火灾特征参数联合探测模型,通过实验数据验证,预测输出值与实验实际值基本吻合,计算可得阴燃、明火与干扰源的平均识别率分别为98.52%、99.54%与97.46%,能够很好地分辨出火情状态和真假火源,并且GA-BP神经网络的平均绝对误差率为2.73%,识别准确率达97.27%,因此基于GA-BP神经网络模型的火灾多参数联合探测技术具有良好的火灾探测效果。（5）利用背景消除法对疑似火灾区域进行提取,并通过改进Surendra背景更新算法有效地抑制了飞机货舱震动以及水蒸气、灰尘等干扰物的影响,提高了对疑似火灾区域的提取准确率,最后通过非极大值抑制算法对烟雾区域的标识框进行筛选,给出识别结果。