Uno de los problemas más críticos que el sistema de vigilancia marina debe abordar es la precisión de la detección de barcos. Dado que es responsable de identificar posibles amenazas piratas, debe ser capaz de desempeñar sus funciones de manera eficiente. En este documento, presentamos un enfoque novedoso de aprendizaje profundo que combina las capacidades de una Red Neural de Grafos (GNN) y un marco de aprendizaje profundo You Only Look Once (YOLOv7). La idea principal de este método es proporcionar una mejor comprensión de la presencia de barcos en áreas portuarias. Los tres hiperparámetros que se utilizan en el desarrollo de este sistema son la tasa de aprendizaje, los tamaños de lote y la selección de optimización. Los resultados de los experimentos muestran que la optimización de Adam logra una tasa de éxito del 93.4% en comparación con la generación anterior del algoritmo YOLOv7. El Conjunto de Datos de Imágenes Satelitales de Alta Resolución (HRSID), que es una imagen de alta resolución de un radar de apertura sintética, se utilizó para la prueba. Este método puede mejorarse aún más teniendo en cuenta los diversos tipos de arquitecturas de redes neuronales que se utilizan comúnmente en el aprendizaje profundo.