El fuego es una causa significativa de fatalidades y pérdida de propiedades. En espacios altos, la dispersión temprana del humo se ve obstaculizada por barreras térmicas, y las llamas iniciales con producción limitada de humo pueden ser ocultadas por estructuras a nivel del suelo. En consecuencia, las señales de humo, temperatura y otros sensores de fuego se debilitan, lo que lleva a retrasos en la detección de incendios por parte de las redes de sensores. Este artículo propone un modelo discriminante de fusión heterogéneo y multi-altura con una estructura LSTM multicapa para la detección robusta de señales débiles de incendio en situaciones desafiantes. El modelo emplea tres estructuras LSTM con entradas cruzadas en la primera capa y una estructura LSTM ponderada por entrada en la segunda capa para capturar las características temporales y de correlación cruzada de los datos de los sensores de concentración de humo, temperatura y velocidad de la pluma. La tercera capa LSTM agrega aún más estas características para extraer los patrones de correlación espacial entre diferentes alturas. Los resultados experimentales demuestran que el algoritmo propuesto puede acelerar efectivamente la respuesta de la alarma durante condiciones de humo disperso y mitigar las falsas alarmas causadas por señales débiles.