Asegurar la integridad estructural y la seguridad operativa de los oleoductos y gasoductos es un desafío crítico debido a su extensa cobertura geográfica y exposición a riesgos ambientales y antropogénicos. Los enfoques de inspección tradicionales, incluidos los patrullajes terrestres y los vuelos aéreos tripulados, son intensivos en mano de obra, costosos y a menudo carecen de capacidad de respuesta en tiempo real. Si bien los vehículos aéreos no tripulados (UAV) permiten un monitoreo flexible y de alta resolución, su implementación práctica requiere modelos de detección ligeros y robustos capaces de inferencia en tiempo real en hardware de borde embebido bajo condiciones ambientales heterogéneas. Este documento presenta un marco de inspección de UAV desplegable en el borde, de extremo a extremo, para la detección simultánea de oleoductos sobre el suelo e indicadores de anomalías/fugas visualmente observables utilizando el detector de objetos oficial Ultralytics YOLOv26n. Un conjunto de datos curado de 6127 imágenes de UAV adquiridas en entornos desérticos, semiurbanos e industriales fue anotado con dos clases (Oleoducto y Anomalía/Fuga) y se dividió en subconjuntos de entrenamiento 87.5%, validación 8.3% y prueba 4.2%. El detector fue ajustado a partir de pesos preentrenados en COCO durante 300 épocas a una resolución de 600 x 600 y evaluado utilizando métricas al estilo COCO. En el conjunto de prueba reservado, el modelo propuesto logró un 92.4% mAP@0.5 y un 75.0% mAP@0.5:0.95, con un 89.7% de precisión, un 90.2% de recuperación y un 89.9% de puntuación F1 en el umbral operativo seleccionado. El despliegue optimizado de TensorRT en un NVIDIA Jetson Xavier NX mantuvo la inferencia en tiempo real a 18 FPS, demostrando su idoneidad para el procesamiento a bordo de UAV. En lugar de proponer una nueva arquitectura de detector, el estudio contribuye con un conjunto de datos anotado específico del dominio, una evaluación orientada al despliegue y un flujo de trabajo de inferencia en el borde de extremo a extremo para el monitoreo a escala de corredor. El marco propuesto puede ayudar a reducir el riesgo de contaminación ambiental y mejorar la seguridad del personal durante la inspección de oleoductos.