Die Quantifizierung von positiv schwimmendem marinem Plastikmüll ist entscheidend, um zu verstehen, wie Plastikabfälle sich in den Ozeanen weltweit ansammeln, und zudem unerlässlich, um Hotspots für gezielte Reinigungsmaßnahmen zu identifizieren. Derzeit ist die gängigste Methode zur Quantifizierung marinen Plastiks das manuelle Sammeln mittels Manta-Trawl. Dieses Verfahren ist jedoch kostenintensiv und erfordert menschliche Arbeitskraft. In dieser Studie wird der Bedarf an manueller Probenahme durch einen autonomen Ansatz beseitigt, der neuronale Netze und Modelle der computergestützten Bildverarbeitung nutzt, die auf Bildern aus verschiedenen Schichten der Wassersäule trainiert wurden, um die Plastikquantifizierung in Echtzeit durchzuführen. Das leistungsstärkste Modell erreicht eine mittlere Durchschnittspräzision (Mean Average Precision) von 85 % und einen F1-Score von 0,89, während es gleichzeitig nahezu Echtzeit-Verarbeitungsgeschwindigkeiten von etwa 2 ms/Bild beibehält.