森林资源是世界上极为重要的一种资源。近年来,森林火灾频频发生,对人们财产造成了极大损失,因此,预防森林火灾显得尤为重要。随着科技的发展,图像处理技术逐渐的被人们所接触。常用的森林火灾监测方法是基于视频对火灾进行监测。这种方法对摄像头数目及质量有严格要求,成本较高,且不能全面的监测森林火灾。因此,火灾探测机器人应运而生。本文将基于视频的火灾检测算法应用到移动机器人上,并对移动机器人的巡逻路径进行规划。传统的森林火灾检测算法大多是单纯的分析烟雾或火焰得出结果,其结果受光照等因素影响,准确率较低。实际上,森林在发生火灾时,会产生较多的烟雾,因此可以认为烟雾是火灾发生初期的信号,因此结合烟雾与火焰特征进行森林火灾检测具有重要意义。本文根据图像特征结合了烟雾和火焰特征,分别对烟雾和火焰的三个特征进行融合判定。首先对烟雾的颜色特征进行分析,得出颜色规则,提取颜色区域。之后对烟雾的飘动性特征进行分析,采用运动目标检测算法进行检测,并针对其缺陷进行改进,提取出运动目标,并与颜色区域进行与运算得出疑似烟雾区域。最后根据烟雾自下而上的运动方向特征,估计其运动方向,排除非烟雾点。通过实验可知,该算法可以检测到大部分烟雾点。在判定烟雾存在之后,要对火焰进行检测。本文对火焰的颜色特征进行分析,并改进颜色规则,提取颜色区域。之后使用运动目标检测算法提取运动目标,并结合两种特征得出疑似火焰区域,最后根据火焰点的闪烁频率特征对是否存在火焰进行判断。通过实验可以得出,该算法可以在较多干扰的环境中识别大部分火焰。对于机器人在森林环境中运动路径,本文基于是否存在障碍物两种情况进行讨论,并采用改进的蚁群算法对运动路径进行规划。针对蚁群算法的收敛速度慢、易陷入局部最优等缺陷,本文融入模拟退火思想,并在蚂蚁初始位置、信息素更新规则处做出改进。仿真结果表明,改进的蚁群算法能够较快的找到最优路径。为了验证本文算法的有效性,本文基于移动机器人平台在不同场景下进行检测实验。实验结果表明,机器人在非烟雾及火焰干扰下能够较为准确、实时、有效的检测出烟雾及火焰,且具有一定抗干扰能力。最后通过移动机器人平台进行验证,该算法在机器人运动过程中可以对火焰达到较好地识别效果。