本发明公开了一种变压器漏油识别方法和系统，该方法包括获取变压器漏油图像，构建基于融合注意力机制的残差U‑Net深度学习网络模型，并进行模型训练，利用训练后的基于融合注意力机制的残差U‑Net深度学习网络模型对获取的变压器漏油图像进行识别，得到漏油区域的分割结果。本发明通过引入一种自注意力机制来促进全局特征融合，加强像素特征间的语义关联，减少细节信息丢失，提升了分类准确率；然后采用ResNet18网络来代替传统U‑Net网络的编码器部分，并利用在ImageNet数据集上预训练得到的ResNet18权重进行模型参数的初始化，提升了模型的训练与检测效率；最后采用焦点损失Focal Loss函数作为改进网络的损失函数，解决漏油图像中前景与背景正负样本不平衡的问题。