Detekcija i klasifikacija objekata u pomorskom okruženju postaje važan dio pomorske sigurnosti, praćenja okoliša i pomorskih operacija. Da bi se postigla bilo kakva autonomija plovila potrebno je prije svega unaprijediti postojeća rješenja za detekciju različitih objekata u pomorskom okruženju. Ovo istraživanje imalo je za cilj razviti učinkovitu i točnu metodu za otkrivanje i klasificiranje različitih objekata pronađenih na moru s pomoću konvolucijskih neuronskih mreža (CNN). Cilj je bio specijalizirati postojeće modele dubinskog učenja razvijene za opću detekciju objekata trenirajući ih na skupovima podataka koji sadrže čamce, brodove, plutače, plivače i bilo koje druge objekte koji se obično nalaze u pomorskom okruženju. Studija je bila usmjerena na pripremu prikupljenih anotiranih snimaka i dodatnih pomorskih skupova podataka pronađenih na internetu za treniranje najnovije verzije YOLO (\textit{You Only Look Once)} modela za obavljanje zadatka detekcije. Konvolucijska neuronska mreža je trenirana i testirana na tim skupovima podataka kako bi se procijenila njena svojstva. Iako je obujam istraživanja koji se trenutno provodi u području autonomije plovila mnogo manji u usporedbi sa sličnim istraživanjima u automobilskoj industriji ili industriji bespilotnih letjelica, ipak postoje neki javno dostupni skupovi podataka označenih slika pomorskog okruženja s različitim stupnjevima kvalitete. S pomoću njih bilo je moguće istrenirati YOLOv9 model koji postiže visoku točnost u detekciji i klasifikaciji različitih vrsta pomorskih objekata. Korištenje čak i najsloženijeg modela YOLOv9 nudi učinkovitu brzinu detekcije s velikom preciznošću na lako dostupnom hardveru, što ga čini prikladnim za korištenje u aplikacijama u stvarnom vremenu. Integracija konvolucijskih neuronskih mreža u sustave detekcije i klasifikacije koji koriste kamere se predstavlja kao održivo rješenje za poboljšanje detekcije i klasifikacije pomorskih objekata. Sustav temeljen na CNN-u nudi dobru preciznost i brze performanse kad bi se koristio u pomorskoj sigurnosti i operativnoj učinkovitosti, pružajući korak naprijed u primjeni umjetne inteligencije u morskom okruženju.