为解决煤泥水外溢检测中传统方法响应速度慢、误报率高及环境适应性差的问题,提出一种基于标志物的煤泥水外溢检测方法。通过设置地面标志物,使用YOLOv8深度学习模型实时监测标志物的可见性,当标志物被煤泥水覆盖时,系统自动触发泄漏警报;该方法采集60张选煤厂现场煤泥水图像,其中,40张图像为倾倒煤泥水覆盖标志物生成的模拟数据;通过亮度调节、对比度调节及噪声添加等数据增强技术模拟环境变化,扩充40张图像数据,共100张图像即可完成YOLOv8模型训练;对比图像分类方法,验证该方法的有效性,研究表明:该方法有效减少对大量标注数据的依赖,成功解决数据量不足的难题,检测准确率可达95%,且显著降低对光照、天气等环境变化的敏感性,特别适用于选煤厂工业环境复杂多变的场景。