В работе представлен алгоритм кластеризации прогнозируемых областей, реализованный в системе раннего обнаружения лесных пожаров. В основе системы лежит модель нейронной сети для поиска объекта возгорания (технология «Object detection»). На выходе модели нейронной сети формируется массив ограничивающих рамок предполагаемого местоположения объектов данного класса, метки классов и оценки вероятности принадлежности к классу. Задача рассмотренного в статье алгоритма состоит в выделении ограничивающей рамкой искомых объектов и расчете среднего значения вероятности принадлежности классу, посредством объединения и усреднения координат углов ограничивающих рамок, которые имеют пересечения с искомым объектом. В статье приведен краткий обзор существующих алгоритмов для вывода результирующей ограничивающей рамки на изображении. Приведено обоснование выбора модели нейронной сети для системы раннего обнаружения пожаров (технология «Object detection»). Представлены результаты работы сравнения алгоритмов NMS, Soft-NMS и алгоритма кластеризации площадей, для решения задачи обнаружения дымового облака на изображении.