为实现工业锅炉的节能､减排与安全运行,本文设计并研究了一套锅炉火焰智能监测系统及燃烧优化控制策略｡系统通过部署高清CCD相机与红外热像仪构建视觉感知网络,实时采集火焰的形态､温度及动态特征｡进而采用一种卷积神经网络与长短期记忆网络融合的深度学习模型,对燃烧状态进行精准识别与诊断｡在此基础上,提出了一种基于模型预测控制的分层优化控制框架,将状态识别结果作为前馈与反馈信号,在线滚动优化风煤配比等关键操作变量,以实现热效率提升与污染物排放抑制的多目标优化｡仿真实验结果验证了所提策略的有效性,相较于传统控制方法,锅炉热效率提升了约1.38%,氮氧化物排放浓度降低了25.2mg/m3,系统表现出更佳的稳定性与动态响应特性｡研究表明,将智能感知与先进控制理论深度融合,为锅炉的智能化升级与绿色运行提供了可行的技术路径｡