为改善现有火焰检测算法参数量大、训练时间长等缺点，本研究提出基于YOLOv4改进的轻量级火焰检测算法。算法以YOLOv4为基本框架，采用MobileNet v3作为主干网络，利用深度可分离卷积替代YOLOv4中颈部网络和检测网络的3×3普通卷积，并将激活函数更换为H-swish函数，构建出一种轻量级火焰检测算法。不仅参数大幅度减少，而且能提升火焰检测精确度，降低火焰漏报率。实验证明，在相同的训练条件下，本研究提出的算法参数量个数降为YOLOv4的18%,训练时间减少44%。当检测相同火焰图像时，与MobileNet v3-DW-YOLOv4算法相比，本研究算法的精确度提升1%,检测速度为每秒46帧，能更好地嵌入到终端设备上进行实时检测。