El fuego se refiere a un desastre causado por la combustión que es incontrolado en las dimensiones temporales y espaciales, ocurriendo en diversos escenarios complejos donde la detección oportuna y efectiva es crucial. Sin embargo, los métodos de detección de incendios existentes a menudo enfrentan desafíos debido a la deformación del humo y las llamas, lo que resulta en detecciones perdidas. Es difícil extraer con precisión las características del fuego en fondos complejos, y también hay dificultades significativas para detectar objetivos pequeños, como pequeñas llamas. Para abordar esto, este documento propone un Detector de Fuego Multi-escenario YOLO (YOLO-MFD) para la detección de incendios en múltiples escenarios. En primer lugar, para resolver las detecciones perdidas causadas por la deformación del humo y las llamas, se propone un Módulo de Percepción Adaptativa de Escala (SAPM). En segundo lugar, con el objetivo de suprimir características significativas del fuego por fondos complejos, se introduce un Módulo de Ponderación Adaptativa de Características (FAWM) para mejorar la representación de características del fuego. Finalmente, considerando la dificultad para detectar pequeñas llamas, se desarrolla un Módulo de Extracción de Características de Objetos Pequeños (SOFEM). Además, dada la escasez de conjuntos de datos de incendios multi-escenario, este documento construye un Conjunto de Datos de Fuego Multi-escenario (MFDB). Los resultados experimentales en MFDB demuestran que el YOLO-MFD propuesto logra un buen equilibrio entre efectividad y eficiencia, alcanzando un buen rendimiento en la detección efectiva de incendios en varios escenarios.