기존의 접촉식 센서에 의존한 화재 감지 시스템은 제한적인 감지 범위와 환경적 요인으로인한 잦은 비화재보(False Alarm), 그리고 물리적 접촉이나 근접이 이루어져야만 반응하는초기 대응 지연이라는 치명적인 구조적 한계를 지닌다. 이러한 문제를 근본적으로 해결하기위해, 본 연구에서는 RGB 채널 기반의 영상 데이터와 최신 객체 탐지 알고리즘인 YOLOv8n 모델을 결합하여 실시간으로 화재 불꽃과 연기를 정밀하게 감지하는 시스템의 성능을심층적으로 평가하였다. D-Fire 데이터셋을 활용하여 경량 모델인 YOLOv5n 및 상위 모델인YOLOv8s와 비교 실험을 수행한 결과, 제안된 YOLOv8n 모델은 mAP@0.5 기준 78.05%의 우수한정확도와 51.1 FPS의 빠른 추론 속도를 동시에 달성하며 성능과 연산 효율성 간의 최적의균형점(Trade-off)을 입증하였다. 특히, 6MB에 불과한 초경량 모델 크기는 고사양 서버가 아닌저전력 엣지 디바이스(Edge Device) 환경에서도 충분히 실시간 탐지가 가능함을 시사하며, 이는 향후 자율주행 로봇 시스템 등 다양한 모바일 플랫폼에 탑재되어 초기 화재 진압 및골든타임 확보 능력을 향상시키는 데 기여할 것으로 기대된다.