随着我国工业化的发展,水资源的需求也在持续增长。然而供水管道作为水资源运输的重要途径,其漏水现象严峻。为了治理水资源浪费的问题,国内外提出了许多检测供水管道漏水的策略和方法。但是国外比较成熟的检漏方法和检漏仪器由于价格昂贵等原因,在我国具有局限性。而国内目前的检测方法不够自动化且检测精度低。针对以上问题,本论文研究一种基于FPGA的管道图像漏损检测的方法。该方法是将水下机器人置于大口径管道内部游走,同时利用视频模块采集管道内部图像并自动识别出漏水。为此,论文做了以下工作。首先,根据上述检测方法,确定用于管道内部游走的水下机器人型号Blue ROV。还确定了用于采集管道图像的摄像头和主控的FPGA开发板。其次,在pc端搭建基于图像的检测漏水的辨识模型。该辨识模型包括图像增强算法和神经网络算法。首先分析漏水图像的特点及其形成原因,针对图像光照不均匀且整体偏暗的特点,选择两种图像增强算法（中值滤波和直方图均衡化）来做对比实验。发现直方图均衡化算法不仅能增强漏水点和管壁的对比,而且能将检测漏水的正确率提高2.3%。接着使用不同深度的Res Net网络在直方图均衡化后的图像上进行对比实验。通过分析,选择FPGA资源占用最少且精度较高为95.5%的单通道Res Net18网络。最后,设计出能搭载辨识模型的FPGA整体系统。包括图像采集模块、图像增强模块、ddr缓存模块、Res Net18神经网络模块和图像显示模块。其中,针对直方图均衡化算法进行算法步骤调整以适合FPGA实现,并将算法步骤中的统计方式提出改进。而对于已确定的Res Net18网络模型进行权值量化,并根据其网络结构在FPGA开发板上面进行电路映射并优化,其中针对现有的Max Pool模块的FPGA设计进行改进,减少了2/3的ram资源。FPGA系统设计完成后,计算整个系统相对于pc端辨识模型的精度损失为0.82%。使用该FPGA系统对测试集中的管道图像进行测试,漏水检测准确率为94.71%且系统帧率为49fps,能够实现实时管道漏水检测,达到预期设计目标。