Los sistemas de comunicación óptica inalámbrica submarina (UWOC) enfrentan desafíos debido a la significativa dispersión temporal causada por los efectos combinados de dispersión, absorción, variaciones del índice de refracción, turbulencia óptica y propiedades bio-ópticas. Este deterioro colectivo conduce a la distorsión de la señal y degrada la tasa de error de bits (BER) del receptor óptico. Optimizar el diseño del filtro y ecualizador del receptor es crucial para mejorar el rendimiento del receptor. Sin embargo, tener un diseño óptimo puede no ser suficiente para garantizar que la unidad de decisión del receptor pueda estimar la BER de manera rápida y precisa. Este estudio introduce una novedosa estrategia de estimación de BER basada en una Red Neuronal Convolucional (CNN) para mejorar la precisión y velocidad de la estimación de BER realizada por el procesador computacional de la unidad de decisión en comparación con los métodos tradicionales. Nuestro nuevo algoritmo de CNN utiliza la técnica de procesamiento de imagen del diagrama de ojo (ED). A pesar de la definición incompleta de la respuesta al impulso del canal UWOC (CIR), el modelo de CNN se entrena para abordar la no linealidad de los canales de agua de mar bajo condiciones de ruido variables y aumentar la confiabilidad de un sistema UWOC dado. Los resultados demuestran que nuestra estrategia de estimación de BER basada en CNN predice de manera precisa la relación señal-ruido (SNR) correspondiente y permite una estimación de BER confiable.