本研究提出了一种改进的YOLOv8方法——镜像目标YOLO（MITA-YOLO），用于遗产建筑的火灾检测。该方法通过间接视角和增强检测模块，降低了对摄像头的需求，减少了结构损伤和误报率，提高了火灾风险区域的评估能力。

本文综述了机器学习在森林火灾科学与管理中的应用，包括火灾检测、风险评估和行为预测。研究表明，XGBoost和Random Forest模型在野火预测中表现优异，强调了模型透明度和可解释性的重要性。此外，利用无人机和人工智能技术提升了野火监测和管理的效率，提出了多功能预测模拟器和个性化早期警告系统，以改善火灾应对策略。