個体数の変動を把握することは生物資源の管理や保全を行う上で非常に重要である。しかしながら、多地点で多種多様な生物を対象にするとき、直接観察にともなう個体数調査を継続的に実施していくことは労力的に難しい。本研究では深層学習を利用した物体検出モデル（Faster R-CNN）を用いることで、生物の撮影された写真から正確に個体数を推定する手法の開発を行う。深層学習を利用した物体検出モデルは物体判別と計数において強力な手法であることが報告されているが、物体の見えている割合が減少するほど検出能力が低下することが知られる。そこで、個体の検出と同時に生物体の異なる複数の部位（ここでは目と尾）の検出を行うことで、生物の体の一部が隠れてしまう効果を考慮した個体数推定を行った（ダブルオブザーバー法）。開発した手法は、小田原漁港の選別作業中に撮影したサバ類の写真に適用され、ダブルオブザーバー法を組み合わせた場合とそうでない場合のモデル性能の比較を行った。本研究を通じて、個体数推定における深層学習を用いた物体検出モデルの有用性を明らかにしたい。