Penelitian ini mengembangkan model deteksi kebakaran hutan menggunakan metode deteksi objek DETR. Kebakaran hutan yang semakin marak terjadi akibat global warming membutuhka sistem deteksi yang mampu memberikan deteksi dengan cepat dan akurat. Dalam penelitian ini, citra digital yang diambil dari kamera pengawasan digunakan untuk mendeteksi kebakaran hutan. CNN digunakan untuk ekstraksi fitur, dan DETR digunakan untuk deteksi objek. Pendekatan metode yang digunakan menggabungkan augmentasi data dan fusi fitur adaptif untuk meningkatkan kinerja model dalam mendeteksi objek kecil. Hasil deteksi menunjukkan bahwa DETR mampu mendeteksi objek api dan objek kebakaran hutan lain dengan akurasi tinggi bahkan pada kondisi yang kompleksepun. Oleh karenanya, mitra ini membuktikan bahwa DETR mampu mendeteksi objek dengan akurasi yang baik. DETR sangat potensial dalam aplikasinya sebagai penengenal objek kebakaran hutan yang dapat mempercepat deteksi meski sumbernya nilai kompleks. Hasil eksperimen menunjukkan bahwa DETR mampu mendeteksi objek kebakaran dengan akurasi tinggi dan efisiensi yang baik. Model ini mencapai nilai mAP (mean Average Precision) sebesar 0,586, dengan AP@50 sebesar 0,677 dan AP@75 sebesar 0,597, mengungguli metode deteksi objek lainnya dalam hal akurasi dan waktu inferensi.