1.一种负样本挖掘的深度学习烟雾识别方法，其特征在于，包括以下步骤，步骤1：收集烟雾场景图像集，从烟雾场景图像集中提取出多个烟雾模板；

步骤2：训练烟雾检测神经网络模型，对场景数据集进行烟雾检测分类，将检测分类为有烟雾的无烟雾图像作为负样本；

步骤3：将烟雾模板融合到负样本图像中能产生烟雾的区域，生成负样本挖掘的烟雾数据集；

步骤4：将负样本挖掘的烟雾数据集与烟雾场景图像集合并，形成烟雾数据集；

步骤5：采用烟雾数据集训练烟雾检测神经网络模型，将训练得到的烟雾检测神经网络模型用于实时烟雾检测。

2.根据权利要求1所述的负样本挖掘的深度学习烟雾识别方法，其特征在于，所述烟雾检测神经网络模型采用Faster R-CNN深度神经网络。

3.根据权利要求1所述的负样本挖掘的深度学习烟雾识别方法，其特征在于，所述烟雾检测神经网络模型采用改进的Faster R-CNN深度神经网络，所述改进的Faster R-CNN深度神经网络将Faster R-CNN深度神经网络的13层卷积和13层RELU，精减为10层卷积层和10层RELU。

4.根据权利要求1所述的负样本挖掘的深度学习烟雾识别方法，其特征在于，所述步骤

3，对于每个负样本，从多个烟雾模板中随机抽取出一个烟雾模板，将烟雾模板的烟雾融合在负样本图像中可能产生烟雾的区域，融合了烟雾的负样本形成负样本挖掘的烟雾数据集。

5.根据权利要求1-5任意一项所述的负样本挖掘的深度学习烟雾识别方法，其特征在于，所述烟雾模板为20个。