Los sistemas de detección y monitoreo de incendios basados en visión artificial han sido desarrollados gradualmente en los últimos años. Los métodos tradicionales de entrenamiento de modelos de aprendizaje profundo centralizados transfieren grandes cantidades de datos de imágenes de video a la nube, lo que dificulta la privacidad y confidencialidad de los datos de imagen. Con el fin de proteger la privacidad de los datos en el sistema de detección de incendios con datos heterogéneos y mejorar su eficiencia, este artículo propone un algoritmo de aprendizaje federado mejorado que incorpora visión por computadora: FedVIS, que utiliza un algoritmo de abandono y selección de gradientes federado para reducir la sobrecarga de comunicación, y utiliza un transformador para reemplazar una red neuronal tradicional y mejorar la robustez del aprendizaje federado en el contexto de datos heterogéneos. FedVIS puede reducir la sobrecarga de comunicación además de reducir el olvido catastrófico de dispositivos anteriores, mejorando la convergencia y produciendo modelos globales superiores. En los resultados experimentales de este artículo, FedVIS supera a los métodos comunes de aprendizaje federado FedSGD, FedAVG, FedAWS y CMFL, y mejora el efecto de detección al reducir los costos de comunicación. A medida que aumenta la cantidad de clientes, la precisión de otros modelos algorítmicos disminuye en un 2-5%, y el número de rondas de comunicación requeridas aumenta significativamente; mientras tanto, nuestro método mantiene un rendimiento de detección superior mientras requiere aproximadamente el mismo número de rondas de comunicación.