1.一种面向巡检机器人的火焰实时检测方法，对载有摄像头的自动巡检机器人在运动过程中拍摄的图像进行实时火焰检测，其特征在于，检测步骤包括：
步骤s1，对摄像头采集的图像进行预处理，评估图像的清晰度，当清晰度满足条件时，将预处理后图像还原为彩色图像输入步骤s2中，否则，对图像进行去运动模糊处理，输出处理后的彩色图像到步骤s2；其中，预处理包括：按要求对图像尺寸进行缩放，然后灰度化；
步骤s2，利用已训练好的深度卷积网络提取彩色图像的深度特征；
其中，深度卷积网络采用inceptionv2架构，网络的输入为步骤s1输出的图像，输出为图像的深度特征；在训练深度卷积网络时，将深度卷积网络的最后一层的输出连接softmax激励函数，softmax激励函数的输出类型个数为2，分别代表图像是否存在火焰；将训练样本输入深度卷积网络，调整深度卷积网络的全连接层的参数，直到训练后的网络的输出准确度达到预设标准；
步骤s3，利用支持向量机来构造火焰检测器，火焰检测器的输入为深度特征，输出为图像是否存在火焰的结果；利用训练样本提取的深度特征训练支持向量机的模型参数；
步骤s4，将摄像头实时拍摄的图像经过步骤s1和s2处理后输入训练好的支持向量机，进行目标检测，判断图像中是否存在火焰。
2.根据权利要求1所述的方法，其特征在于，所述的步骤s1中，评估图像的清晰度是利用改进的brenner方法评估，包括：利用水平和垂直方向的两项滤波器与图像对应像素进行卷积，并分别计算各张卷积图之和，然后计算水平方向和垂直方向上的评价值；将两个评价值中的最小值，与设置的阈值比较，来判断图像是否清晰，当小于阈值时，判断为图像清晰度不满足条件。
3.根据权利要求1或2所述的方法，其特征在于，所述的步骤s1中，采用点扩散函数和维尔纳滤波方法对图像进行去运动模糊处理，包括：
对灰度图进行中通滤波，并计算噪音对原数值的比值；
用拉普拉斯算子计算灰度图的梯度，然后对梯度图做自卷积，用阈值法获取点扩散核大小；
利用灰度图和点扩散核大小及噪音比，估算点扩散函数调整核；
利用点扩散函数调整核和噪音比对原彩色图像的每个通道进行维尔纳滤波，去除运动模糊影响。
4.根据权利要求1所述的方法，其特征在于，所述的步骤s2中，深度卷积网络包括三个卷积层、两个最大池化层、两个inceptiona模块、一个inceptionb模块、一个平均池化层以及全连接层。