为了解决初期林火识别上存在的遮挡严重、火焰特征不明显等问题，提出了基于卷积神经网络的初期林火识别方法。建立了初期林火数据集，分别构建并训练了基于YOLOX，YOLOv4，SSD，Faster R-CNN的初期林火检测模型，以精确率（P）、召回率（R）、平均精度均值（mAP）、每秒帧率 (FPS)、损失（loss）曲线作为模型评价指标，对四个模型进行实验验证。通过对比实验，对于初期林火的识别检测，SSD泛化能力较弱，Faster R-CNN鲁棒性较差，YOLOv4实时性较差。YOLOX与Faster R-CNN相比，P值增加了41.29%，与SSD相比，R值增加了36.8%，预测速度达到了20帧/s，综合性能较好，满足初期林火识别的需求。