河川を遡上する稚アユの個体数の把握はアユの資源量調査において重要である．しかし，現在は水中カメラ画像を長時間かけて目視確認することにより計数を行っている．本研究では岡山県吉井川の鴨越堰の魚道出口に設置した水中カメラの画像を利用してデータセットを作成し，物体検出の深層学習アルゴリズムであるYOLOv5を用いることで，遡上する稚アユの検出モデルを作成した．モデルによる検出の結果，アユのデータ数の増加にともない精度が向上したが，アユと誤判定されやすい対象物へのラベリングでは，データ数が少数の場合は精度が低下した．本研究のモデルにより，目視計数をすべき画像枚数は従来の1 %弱に抑えられ，また，モデルで画像を判別する場合，約2か月分の画像処理で，従来の手法より所要時間が約90時間短縮されると試算された．
