Uno de los desastres naturales más costosos y fatales en el mundo son los incendios forestales. Por esta razón, el descubrimiento temprano de los incendios forestales ayuda a minimizar la mortalidad y el daño a los ecosistemas y la vida forestal. La investigación actual enriquece el cuerpo de conocimiento al evaluar la efectividad de una solución eficiente de detección de incendios forestales y humo implementando conjuntos de múltiples arquitecturas de redes neuronales convolucionales abordando dos tareas de visión por computadora en un formato de etapas. La arquitectura propuesta combina la arquitectura YOLO con dos pesos con una arquitectura de CNN de conjunto de votación. El proceso funciona en dos etapas. Si la CNN detecta la existencia de anormalidades en el marco, entonces la arquitectura YOLO localiza el humo o el fuego. Las tareas abordadas son clasificación y detección en el método presentado. Los pesos del modelo obtenido logran resultados muy decentes durante el entrenamiento y las pruebas. El modelo de clasificación logra una puntuación F1 de 0.95, una precisión de 0.99 y una sensibilidad de 0.98. El modelo utiliza una estrategia de aprendizaje por transferencia para la tarea de clasificación. La evaluación del modelo del detector revela resultados sólidos al lograr una precisión promedio media de 0.85 con un umbral de 0.5 (mAP@0.5) para el modelo de detección de humo y 0.76 mAP para el modelo combinado. El modelo de detección de humo también logra una puntuación F1 de 0.93. En general, el proceso de aprendizaje profundo presentado muestra algunos resultados experimentales importantes con capacidades de implementación potenciales a pesar de algunos problemas encontrados durante el entrenamiento, como la falta de imágenes de fuego y humo de buena calidad capturadas por vehículos aéreos no tripulados (UAV) en el mundo real.