近年の岡山県の養殖ノリ生産量減少の一因としてクロダイの食害があり，その蝟集状況の効率的な把握に向けて対象種を撮影した水中カメラ画像への深層学習モデルの適用が考えられる．モデルが学習する教師データの質は検出精度を左右するが，自然環境下では不鮮明な画像があり，客観的条件を設けてラベリングすることは困難であった．本研究では不鮮明に写った対象種に対して，近年開発された画像領域分割モデルSAMを活用し，ラベリングの対象基準を設けてクロダイ検出モデルを作成した．また，実海域での計数に際してモデルが検出し難い画像の特徴を分析し，教師データに追加すべき画像を検討した結果，SAMで検出可能なクロダイ画像と，それ以外の不鮮明なクロダイ画像の両方を教師データに含むと精度向上において効果的であることが示唆された．
