La detección de pequeñas fugas en oleoductos o gasoductos es un problema crítico y persistente en la industria del petróleo y el gas. Muchas organizaciones han confiado durante mucho tiempo en hardware fijo o evaluaciones manuales para monitorear las fugas. Con la rápida industrialización y los avances tecnológicos, las tecnologías de ingeniería innovadoras que sean rentables, más rápidas y más fáciles de implementar son esenciales. Aquí, se proponen modelos de detección de anomalías basados en aprendizaje automático para resolver el problema de las fugas en oleoductos y gasoductos. Se utilizaron cinco algoritmos de aprendizaje automático, a saber, bosque aleatorio, máquina de vectores de soporte, vecino más cercano, aumento de gradiente y árbol de decisiones, para desarrollar modelos de detección de fugas en oleoductos. El algoritmo de máquina de vectores de soporte, con una precisión del 97,4%, superó a los otros algoritmos en la detección de fugas en oleoductos y, por lo tanto, demostró su eficiencia como un modelo preciso para detectar fugas en oleoductos de petróleo y gas.