Este documento presenta un modelo basado en inteligencia artificial para la clasificación de imágenes de embarcaciones marítimas obtenidas por cámaras que operan en la parte visible del espectro electromagnético. Incorpora tanto técnicas de aprendizaje profundo para la representación inicial de imágenes como métodos tradicionales de procesamiento de imágenes y aprendizaje automático para la clasificación posterior de imágenes. El modelo presentado es, por lo tanto, un enfoque híbrido que utiliza el modelo de aprendizaje profundo Inception v3 con el propósito de vectorización de imágenes y una combinación de algoritmos de SVM, kNN, regresión logística, Naïve Bayes, red neuronal y árboles de decisión para la clasificación final de imágenes. El modelo se entrenó y probó en un conjunto de datos personalizado que consta de un total de 2915 imágenes de embarcaciones marítimas. Estas imágenes se dividieron en tres subsecciones: entrenamiento (2444 imágenes), validación (271 imágenes) y prueba (200 imágenes). Las imágenes en sí abarcaron 11 clases distintivas: carga, contenedor, crucero, pesca, militar, pasajero, recreo, vela, especial, tanque y no clasificado (objetos que se pueden encontrar en el mar pero que no representan embarcaciones marítimas). El modelo presentado clasificó con precisión el 86.5% de las imágenes utilizadas con fines de entrenamiento y, por lo tanto, demostró cómo un modelo relativamente sencillo puede lograr una alta precisión y ser potencialmente útil en entornos operativos del mundo real destinados a la vigilancia marítima y la conciencia situacional automática en el mar.