Los residuos varados en la playa son un problema ubicuo. El monitoreo y la recuperación manuales pueden ser costosos y laboriosos. Por lo tanto, el monitoreo y la recuperación automáticos de residuos son una estrategia de mitigación esencial. En este documento, presentamos bloques fundamentales importantes que pueden expandirse en un flujo de trabajo autónomo de monitoreo y recuperación basado en encuestas con drones y detección de objetos utilizando aprendizaje profundo. Las imágenes de drones recopiladas en las islas de Malta y Gozo en Sicilia (Italia) y en la costa del Mar Rojo se combinaron con conjuntos de datos públicos de residuos y se utilizaron para entrenar un algoritmo de detección de objetos (YOLOv5) para detectar objetos de residuos en imágenes grabadas durante las encuestas con drones. En todas las clases de objetos de residuos, la precisión media del promedio (mAP50-95) fue del 0,252, con un rendimiento en clases únicas bien representadas de hasta 0,674. También presentamos un enfoque para geolocalizar objetos detectados por el algoritmo, asignando coordenadas de latitud y longitud a cada detección. En combinación con la información de morfología de la playa derivada de modelos digitales de elevación (DEMs) para encontrar el camino y identificar áreas inaccesibles para un robot autónomo de recuperación de residuos, esta investigación proporciona bloques de construcción importantes para un flujo de trabajo automatizado de monitoreo y recuperación.