La detección automática de incendios, que puede detectar y activar la alarma de incendio temprano, se espera que ayude a reducir al máximo la pérdida de vidas y bienes. Debido a sus ventajas sobre los métodos tradicionales, la tecnología de procesamiento de imágenes se ha aplicado gradualmente en la detección de incendios. En este documento, se propone un algoritmo novedoso para lograr la detección de imágenes de incendios, combinando los momentos invariantes de Tchebichef (a veces referidos como Chebyshev) y la optimización de enjambre de partículas-máquina de vectores de soporte (PSO-SVM). Según la correlación entre los momentos geométricos y los momentos de Tchebichef, se obtienen primero los invariantes de traslación, rotación y escala (TRS) de los momentos de Tchebichef. Luego, se calculan los TMIs de las imágenes candidatas para construir vectores de características. Para obtener el mejor rendimiento de detección, se propone un modelo PSO-SVM, donde se optimizan los parámetros del núcleo y el factor de penalización de la máquina de vectores de soporte (SVM) mediante la optimización por enjambre de partículas (PSO). Luego, el modelo PSO-SVM se utiliza para identificar las imágenes de incendios. En comparación con algoritmos basados en invariantes de momentos de Hu (HMIs) e invariantes de momentos de Zernike (ZMIs), los resultados experimentales muestran que el algoritmo propuesto puede mejorar la precisión de detección, logrando la tasa de detección más alta del 98.18%. Además, aún muestra el mejor rendimiento incluso si el tamaño del conjunto de muestras de entrenamiento es pequeño y las imágenes son transformadas por TRS.