Un derrame de petróleo en el mar representa un evento ambiental catastrófico resultado de la liberación de petróleo en los ecosistemas marinos. Estos incidentes plantean riesgos sustanciales para la biodiversidad marina, los hábitats de la vida silvestre y las poblaciones costeras, a menudo generando repercusiones duraderas y generalizadas. La limpieza de derrames de petróleo es costosa debido a los desafíos logísticos. La medición precisa de características del derrame como el volumen, el grosor y el área del derrame es crucial antes de desplegar equipos de limpieza para optimizar la asignación de recursos y reducir gastos. El objetivo principal de esta investigación es utilizar la visión por computadora para detectar derrames de petróleo y estimar su grosor, ayudando en los procesos de toma de decisiones para limpiar el área del derrame. La arquitectura del sistema propuesta en este estudio integra un dron equipado con un módulo de cámara para inspeccionar áreas marinas y capturar imágenes. Estas imágenes se procesan utilizando un modelo de segmentación de visión por computadora desplegado para detectar derrames de petróleo y estimar el grosor del petróleo. Los resultados predichos ayudan en la toma de decisiones a través de una aplicación dedicada aplicando criterios predefinidos para determinar el grosor del derrame, lo que ayuda a tomar acciones para la eliminación de derrames de petróleo. El modelo de visión por computadora desarrollado en esta investigación podría detectar y estimar el grosor del petróleo con un mAP del 91%. El sistema propuesto en este estudio utiliza segmentación de instancias para detectar y segmentar derrames de petróleo en imágenes de dron. Este enfoque basado en visión por computadora identifica y delimita con precisión áreas de derrames de petróleo, lo que ayuda en la selección de estrategias eficientes de limpieza. Las capacidades de monitoreo y evaluación en tiempo real permiten una toma de decisiones rápida y medidas de respuesta efectivas.