1.一种火焰燃烧状态检测方法，其特征在于，具体包括以下步骤：

首先，提取一次火焰从点燃到正常燃烧再到熄灭全过程的连续火焰视频，将提取视图的图像信息进行预处理提取火焰面积特征；利用该火焰面积特征作为火焰燃烧状态识别的依据；

其次，将任意一段大于10秒视频的连续100帧火焰面积特征作为神经网络的输入向量，构建三层神经网络，目标为识别出11个火焰状态；以输出状态中最大概率对应的状态作为最终的识别状态；

第三，用户图形界面，利用Qt平台进行图片采集控制，在MATLAB软件中离线学习，根据已有的火焰视频连续图片提取一次火焰从点燃到正常燃烧再到熄灭全过程内的火焰面积特征，训练神经网络参数，在Qt平台中构建神经网络正向传播算法，在线识别，在用户图形界面中显示当前时刻的火焰图像以及火焰面积变化曲线，并同时显示识别结果，并对面积数据与判断结果进行保存。

2.根据权利要求1所述的一种火焰燃烧状态检测方法，其特征在于，所述的视图的图像信息进行预处理，将彩色图片转换为灰度图片；之后定义灰度阈值为0.5，将灰度图中灰度值大于0.5的像素点图像作为火焰的面积特征，利用膨胀‑腐蚀算法消除因抖动与烟尘干扰所造成的镂空，将处理完成的连续火焰面积经过滑动均值滤波处理，以一段时间的连续100帧火焰的面积值作为输入。

3.根据权利要求1所述的一种火焰燃烧状态检测方法，其特征在于，所述的神经网络正向传播算法，正向传播公式为：yi＝σ(w1,klk+b1,i)w2,k+b2,i

其中yi代表输出向量的第i维输出，w1,k为输入层到隐层的各项权重，lk代表输入，w1,klk为矩阵运算，b1,i代表输入层到隐层的各项偏置，σ为激活函数,w2,k为隐层到输出层的各项权重，b2,i代表隐层到输出层的各项偏置，采用tansig激活函数。

4.根据权利要求1所述的一种火焰燃烧状态检测方法，其特征在于，所述的构建三层神经网络，将火焰点燃过程分为五个阶段，熄灭过程同样分为五个阶段，将平稳过程以及在平稳过程中对锅炉内部进行进料、排气等操作时的连续火焰面积值作为平稳阶段，进行标定，利用tansig激活函数以及梯度下降法构建100输入，50个隐层神经元，11输出的三层神经网络。