正の浮力を持つ海洋プラスチックごみの定量は、世界の海洋にわたるプラスチックごみの蓄積メカニズムを理解する上で不可欠であり、またターゲット型の清掃活動に向けたホットスポットの特定にも重要である。現在、海洋プラスチックの定量に最も広く用いられている手法は、マントラトラウルを用いた手動サンプリングであるが、この方法はコストが高く、人的労力が必要となる。本研究では、海洋のさまざまな層から取得した画像を用いて学習させたニューラルネットワークおよびコンピュータビジョンモデルを活用する自律型手法を採用することで、手動サンプリングの必要性を排除した。この手法により、リアルタイムでのプラスチックの定量が可能となり、最良のモデルでは平均精度（Mean Average Precision）が85%、F1スコアが0.89を達成しつつ、画像あたり約2ミリ秒というほぼリアルタイムの処理速度を維持した。