Con el sólido crecimiento de la economía nacional, la demanda de petróleo y gas natural continúa aumentando, resaltando la importancia del transporte por oleoducto en el sector energético. Sin embargo, las operaciones a largo plazo de los oleoductos a menudo están sujetas a factores como la corrosión, el envejecimiento y los daños, que pueden provocar fugas e incidentes de seguridad, representando amenazas significativas para la vida, la propiedad y la integridad ambiental. En consecuencia, la detección oportuna y precisa de defectos en los oleoductos y la estimación de sus tamaños tienen una importancia práctica fundamental. Esta investigación se esfuerza por emplear tecnología de la información avanzada e inteligencia artificial para explorar métodos de detección de defectos en oleoductos y estimación de tamaños basados en conocimientos previos. El objetivo es mejorar la precisión y fiabilidad del diagnóstico de defectos en oleoductos y garantizar la operación segura de los mismos. El trabajo innovador principal incluye el desarrollo de un método de preprocesamiento basado en conocimientos previos, el diseño de un algoritmo adaptativo para la estimación del tamaño de defecto y la creación de un algoritmo para la estimación del tamaño de defecto en cascada profunda en oleoductos. Estos métodos combinan de manera efectiva mecanismos tradicionales y enfoques basados en datos, aprovechando las fortalezas de ambos para mejorar el rendimiento, la precisión y la robustez. La metodología propuesta demuestra una precisión y estabilidad superiores en la inversión de defectos, brindando un sólido apoyo técnico para la evaluación cuantitativa de defectos en oleoductos, lo cual es significativo para el diagnóstico de fallas y el mantenimiento preciso de oleoductos de larga distancia.