为解决传统深度学习方法在复杂森林环境下响应延迟和小火源识别精度不足的问题，本文提出轻量级森林火灾检测算法 YOLOv8-CM。算法采用 ConvNeXtV2模块实现轻量化，通过深度可分离卷积和通道重校准，使参数量和计算复杂度分别降低8.2%和8.6%。引入多频谱通道注意力机制（MSCA），结合频域特征增强与空间注意力，提升小目标检测能力并抑制背景干扰。在自建数据集上，YOLOv8-CM 与 YOLOv8n 相比，在精确率、召回率和 mAP@0.5 上分别提升2.5%、0.9%和2.7%，单帧推理时间小于15.6 ms，为森林火灾早期监测提供了高效解决方案。