近些年国内外森林火灾频发,对生态环境造成巨大破坏。目前对森林初期火灾检测,一般是通过卫星、无人机进行,但卫星遥感监测的实时性和准确性不高,无人机无法完成针对森林高空视野盲区的巡检任务。受限森林地形复杂的情况,普通的遥控系统不完善、目标识别率低的发展瓶颈。具备良好越野和速度能力的液压四足机器人,以及遥控和辅助检测系统,能够满足森林盲区火灾地面巡检的性能要求。但目前这方面的相关研究不能解决上述问题,没有成熟的针对森林盲区火灾巡检的系统方案。本文针对森林地面初期火灾预防问题,设计了一套森林巡检四足机器人遥控和辅助检测系统,减少森林火灾的危害。主要的研究内容和创新点如下:(1)现有森林盲区火灾巡检的遥控系统不具备环境适应性和和分层架构的科学设计。提出了一种数据采集层、通信转发层、人机交互融合层的遥控系统三层架构。通过实验证明三层遥控系统模型具备环境适应性,降低了遥控系统功耗,提高了遥控系统适用范围和待机时长,推动遥控系统的普及度,推动遥控系统解决自动化控制的问题。(2)当前组网环境复杂,不利于快速组网。同时为了解决遥控操控端集群作业组网时,同设备访问其他设备的网络输出端口的问题,本文提出了一个低成本高效的解决方案,设计了二层交换芯片BCM5396硬件结构,在二层交换芯片上部署虚拟局域网技术,从而进行虚拟网络隔离。通过仪器进行连通性和性能测试,实验结果证明此方法解决这类问题的可行性,提升组网的效率,有利于完成森林火灾盲区巡检任务。(3)现有目标检测算法对森林早期火灾的识别率低,在快速移动中识别速度慢。使用YOLOv4卷积网络,训练辅助检测网络,对样本集使用k-mean++聚类出预选框尺寸,训练网络参数,对森林初期火灾样本的检测准确率明显提高。在此基础上,1)对网络模型中非主干网络以及样本特征,改进了锚框参数数量,速度提升1.16%;2)对网络模型的结构以及特征尺度网络,改进了特征提取网络和特征尺度,m AP值为84.90%,网络模型速度再次提升18.91%。实验结果表明改进后的YOLO网络进行森林火灾辅助检测的可行性,提高巡检的效率,扩大巡检范围,实现对森林早期火灾的早期预防。