针对传统烟雾检测方法中提取的图像特征鲁棒性较差的问题，提出了基于稠密卷积神经网络（DenseNet）的烟雾识别方法。首先，利用卷积操作和特征图融合构建稠密网络块，在卷积层之间设计稠密连接机制，以增强稠密网络块结构内的信息流通和特征重利用；然后，将已构建的稠密网络块叠加成稠密卷积神经网络用于烟雾识别，节省计算资源的同时提升对烟雾图像特征的表达能力；最后，针对烟雾图像数据量较小的问题，采取数据增强技术进一步改善训练模型的识别能力。在公开烟雾数据集上对提出的方法进行实验验证，实验结果表明，所提方法的模型大小只有0.44 MB，在两个测试集上的准确率分别为96.20%和96.81%。
