Una característica estructural de la llama es un parámetro crucial necesario para comprender de manera integral la interacción entre la turbulencia y las llamas. Los procesos de generación y evolución de la característica estructural rara vez han sido investigados en estados de inestabilidad de llama por apagado pobre (LBO). Por lo tanto, para entender las características precursoras de la llama LBO, este trabajo empleó mediciones de OH-PLIF de alta velocidad para adquirir imágenes de llama LBO en series temporales y desarrolló un nuevo método de extracción de características basado en una red neuronal profunda para cuantificar las características LBO en tiempo real. Mientras tanto, propusimos un método de segmentación de red neuronal profunda basado en un tri-map llamado Fire-MatteFormer, y realizamos un análisis estadístico sobre las características de la superficie de la llama, principalmente agujeros. Los resultados del análisis estadístico determinaron la relación entre el ciclo de vida de los agujeros (desde la generación hasta la desaparición) y su área, perímetro y número total. Se encontró que el modelo Fire-MatteFormer entrenado representa un método viable para determinar características de la llama en la detección de condiciones de inestabilidad LBO incipiente. En general, el modelo muestra una promesa significativa para determinar características estructurales locales de la llama.