为减少火灾造成的人员和财产损失，实现对火灾的有效监控，海南大学白勇教授开展了人工智能深入学习与计算机视觉相结合的研究，开发了智能火云平台，它通过视频监控自动分析火灾情况，实时准确地发布报警信息，为火灾的预防、发现、扑救赢得了时间
监控火灾视频时，准确性和实时性非常重要。我们采用了的计算机视觉深度学习，提高了视频火焰识别的准确性，可以有效减少火灾的虚报，避免消防员不必要的报警，减少公共资源的浪费。深度学习是人工智能中机器学习研究的一个新领域。其动机是建立和模拟人脑的神经网络，用于分析和学习。它模仿人脑解释数据的机制，通过结合底层特征发现数据的特征表示，形成更抽象的高层表示属性范畴或特征。
针对火灾视频复杂背景下的火焰识别问题，白勇教授提出了一种基于迁移学习的智能火焰图像识别方法。由于在火焰识别研究中没有识别出的火焰图像数据集，目前用于火焰识别的图像数量相对较少。白勇教授和他的研究团队自行建立了火焰识别数据集，并对数据集进行了预处理，扩展了数据集。传统的火焰识别图像处理方法需要人工提取火焰特征，而白勇教授提出的方法是基于深度学习和预训练的模型，通过多种转移学习特征提取器自动呈现特征，然后进行特征融合，并结合传统的机器学习分类器方法进行识别。通过对比实验，该方法可以大大提高火焰识别的准确率，达到96%以上的识别率。这是目前国内外关于深度学习在火焰识别中应用的成果。
目前，他的技术已被2018年IEEE云计算与智能系统国际会议接受并发布，并将在他开发的智能消防云平台上实现。该平台将以消防物联网采集的火灾数据为基础，通过计算机视觉深入学习等技术手段，为消防部门和消防单位提供火灾预警、报警和救援管理服务。