目标检测主要是基于以物体固有特征属性为研究的技术,如今被广泛的应用于智能安防、移动支付平台、空间识别、导航侦察等诸多领域。当前油田作业区的抽油机在抽油过程中存在漏油情况的问题,而现有方案不能进行有效的漏油检测,将会导致油田原油泄漏、造成经济损失。针对这一问题,本文进行了油田作业区漏油检测的研究,主要工作及创新性贡献如下:首先,本文的研究内容涉及安全等诸多因素,难以获取现场视频资料,故采用场景模拟的方式制作了满足漏油现场场景的数据集。其次,利用YOLOV3模型和Faster RCNN模型进行了漏油检测,得其检测帧频分别为16.7fps、20fps,检测精度为84.22%、81.13%,因检测精度不满足油田企业需求,由于YOLOV3的漏油检测精度高于Faster RCNN的漏油检测精度,接下来对YOLOV3的漏油检测进行原理分析,得出因阴影干扰造成的“误分类”是检测精度低下的原因。然后,针对“误分类”问题,在YOLOV3检测模型中引入了DSC-Net去阴影预处理网络,以消除阴影的干扰。引入DSC-Net去阴影预处理网络后检测帧频、检测精度分别为1.47fps、96.22%,均大于油田企业要求的检测帧频1fps、检测精度95%,满足油田企业需求;比原有方案检测精度提升了15.09%。最后,本文根据油田实际需求,结合现有优秀算法的基础上,设计了一种新型的漏油检测方法,即DSC-Net+YOLOV3的漏油检测方法,通过场景模拟的方式在自制数据集上加以验证其性能,为油田企业提供了一套利用远程视频监控系统进行实时高精度的漏油检测方案,具有潜在工程应用价值。