党中央把黄河流域生态保护高质量发展上升为国家战略以来,围绕黄河流域存在的矛盾和问题开展了大量的工作。然而,黄河“四乱”问题屡禁不绝,特别是乱采砂现象,不仅会危害周边生态,还会危及河堤。本文在视频监控的基础上,针对黄河流域乱采砂现象,研究了现有的目标检测算法,提出了目标检测算法并行化思路。在并行化目标检测算法的基础上,设计了违采砂监管系统原型,实现了对盗采沙现象的全自动监管,推动了黄河流域的生态环境治理进程,促进了黄河的高质量发展。本文的主要研究内容如下:（1）数据的采集及处理。首先,通过网络爬取、拍摄等方式获取违采砂视频、图像数据;其次,针对图像存在的问题,对图像数据进行清洗,并对图像数据进行标注;最后,构建了采砂水利监管目标数据集。（2）设计并提出了HO-Dark Net模型。在研究了典型检测网络模型的基础上,基于Dark Net模型,结合采砂视频人、车等特征,设计并构建了面向采砂监管的检测模型（HO-Dark Net模型）。通过HO-Dark Net模型与Dark Net模型的分析、对比,该模型检测性能有一定的提升。（3）模型分析及算法并行化。针对本文目标检测算法中卷积计算较为密集的特点,对检测模型中的卷积层进行分析,提出卷积层并行计算算法。根据多通道数据与权重参数的卷积运算方式,分别进行不同角度的并行设计,从而完成整个算法的加速,实现目标检测算法的并行化。（4）违采砂监管系统原型设计与实现。在研究的基础上,分析了水利监管的实际需求,设计了违采砂监管系统的原型,其中包括前端视频数据的获取、视频的检测以及对不同检测结果的提示等功能。最后,以黄河的某段流域为例,对其监控视频进行了检测,达到了预期效果。