燃油资源是我国重要的不可再生资源,是工业发展和军队作战的基础。当前燃油资源主要以管道形式运输,保证输油管道的安全对野战军作战具有重大意义。随着科技的发展,无人机由于机动灵活、隐蔽性强、不受地形影响等优点被应用于管线周边环境巡检,减少人员浪费,提升了巡检效率。无人机目标检测系统是管线周边环境巡检的重要部分,用于监测输油管线周边环境、检测周围异常目标、及时预警等,防止由于第三方施工、交通意外以及人为破坏等导致输油管道周围存在安全隐患,造成管道泄漏或偷盗燃油等问题,为输油管道提供安全保障,保证燃油资源的正常运输。因此,为了保证输油管道的安全,防止周边环境存在安全隐患和潜在威胁,本文研究适合无人机图像的高性能图像去雾算法和目标检测算法,然后设计了面向巡线环境的无人机目标检测系统,具体工作如下:（1）针对无人机在管线周边执行巡检任务时易受雾霾天气的影响,导致图像模糊、缺乏特征细节等问题,提出一种改进的基于深度学习的无人机图像去雾算法。首先对比分析了不同方法进行无人机图像去雾的优缺点。然后对基于深度学习的算法进行改进,提出LAOD-Net,利用深度可分离卷积和小尺寸卷积核设计了新的卷积模块,优化网络结构。最后采用优化的去雾模型完成图像去雾。实验结果表明,本文算法有效改善了去雾效果,提升了去雾速度,可以嵌入无人机目标检测网络,有效降低了雾霾天气对目标检测的影响。（2）针对无人机巡线环境中存在的场景复杂、小目标漏检、多尺度目标误检等问题,提出一种基于多尺度学习的无人机目标检测算法。首先,采用多尺度卷积和注意力机制设计卷积模块,构建表征能力更强的特征提取网络MSDark Net-53。其次构建目标预测网络,对特征提取网络中不同尺度的输出执行上采样操作后进行多尺度特征融合,得到单一尺度的高分辨率特征图,在该特征图上预测目标所属类别和边界框。实验结果表明,改进后的目标检测算法明显提升了检测性能,具有良好的泛化能力。（3）根据无人机进行管线环境巡检的实际任务需求,设计了一款面向巡线环境的无人机目标检测系统。首先深入调研和分析了无人机目标检测软件的功能需求和应用要求,并做出相应的方案设计。然后根据方案设计实现相应的功能模块,并进行调试。最后设计简单易用的软件操作界面,将各个功能模块集成到软件中,实现面向巡线环境的无人机目标检测系统。测试结果表明,该系统能够适应多种户外巡线环境的变化,能够对管线周边环境进行快速准确的目标检测和数据统计,很好的满足管线环境巡检的实际需求。