城市安全是我国社会发展的重要课题。随着我国对爆炸品的使用范围越来越广泛,爆炸品的运输行业也迅速发展起来。随之而来的是爆炸品运输车辆发生侧翻、碰撞、泄露和爆炸等安全事故频发,这对城市安全产生了极大威胁,严重危及到了城市基础设施和人民的生命财产安全。对城市中的爆炸品运输车辆及其风险状态进行智能分析,对于加强爆炸品运输车辆的安全运输、事故预警及救援具有至关重要的作用。本文对爆炸品运输车辆及其火灾事故的识别方法进行了研究及实现。主要内容有以下几个方面:（1）基于深度学习和计算机视觉的方法对爆炸品运输车辆的智能识别进行研究。本文首先自建了爆炸品运输车辆及其火灾事故的数据集,数据集中包含爆炸品运输车辆、爆炸品标志牌、烟雾、火灾这四种类型。（2）通过分析评估深度学习领域目标检测的常见算法,本文选择YOLO系列的YOLOx算法作为主要方法来构建爆炸品运输车辆智能识别模型,通过在自建数据集上对神经网络的训练,成功实现了爆炸品运输车辆及其火灾事故的智能识别。（3）利用训练出来的卷积神经网络模型分别在动态图和静态图像中对识别效果进行了验证,并结合各项评估指标对识别结果进行了分析、评估和总结。最终验证结果表明,该模型可以有效实现对爆炸品运输车辆及其火灾事故的智能识别,完成对城市道路中爆炸品运输车辆及其火灾事故的实时检测。该模型的构建为爆炸品运输车辆的事故后预警提供了关键技术,有利于提高爆炸品的安全运输管理水平,可以一定程度地消除爆炸品运输中的事故隐患,这对我国社会经济的发展具有重要意义。