Este estudio presenta un algoritmo para contar camarones utilizando un modelo de etiquetado a pequeña escala. El objetivo es mejorar la eficiencia de la acuicultura de camarones, reducir los riesgos de bioseguridad y minimizar los errores de conteo manual. Las evaluaciones experimentales se realizaron utilizando muestras de Litopenaeus vannamei divididas en cuatro etapas de crecimiento. Se realizó una comparación entre el método clásico de segmentación de umbral, la estimación de densidad de etiquetado a pequeña escala basada en FamNet y nuestro propuesto método de estimación de densidad de etiquetado a pequeña escala basado en modelos FamNet-S. Los resultados mostraron que el método propuesto de estimación de densidad de etiquetado a pequeña escala basado en FamNet-S logró un mejor nivel de precisión que el modelo clásico de FamNet en diferentes etapas de crecimiento. En la primera etapa, redujo el error absoluto medio (MAE) en un 8,7% y el error cuadrático medio (MSE) en un 9,6%. En la cuarta etapa, el MAE y el MSE disminuyeron aún más en un 18,9% y un 21,6%, respectivamente. Los hallazgos de la investigación demuestran que el enfoque de estimación de densidad de etiquetado a pequeña escala basado en FamNet-S exhibe una robusta adaptabilidad y precisión en diversas etapas de crecimiento, lo que lo hace adecuado para escenarios con muestras anotadas limitadas. Aborda de manera efectiva los desafíos asociados con la superposición y oclusión de camarones, al tiempo que mitiga la interferencia de la alimentación y los excrementos, mejorando así la precisión y eficiencia del conteo de camarones. Este algoritmo para la estimación de densidad de etiquetado a pequeña escala reduce significativamente las cargas de trabajo de anotación, facilitando la implementación rápida, convirtiéndolo en una solución ideal para el conteo y marcado en entornos prácticos de acuicultura. El estudio proporciona una metodología de alta precisión pero eficiente para las tareas de conteo y marcado de camarones, reduciendo la intensidad laboral y mejorando la precisión en la gestión de la acuicultura, apoyando así el control inteligente en la acuicultura de camarones.