Los pepinos de mar (Holothuroidea o holoturias) son una pesquería valiosa y también son cruciales recicladores de nutrientes, agentes de bioturbación y hospedadores de muchos asociados bióticos. Sus impactos ecológicos podrían ser sustanciales dado su alta abundancia en algunas ubicaciones de arrecifes y, por lo tanto, el monitoreo de sus poblaciones y distribución espacial es de interés para la investigación. Las encuestas tradicionales in situ son laboriosas y solo cubren áreas pequeñas, pero los drones ofrecen una oportunidad para ampliar las observaciones de manera más amplia, especialmente si los holoturias pueden ser detectados automáticamente en las imágenes de drones utilizando algoritmos de aprendizaje profundo. Adaptamos el algoritmo de detección de objetos YOLOv3 para detectar holoturias a partir de imágenes de drones en Hideaway Bay, Queensland, Australia. Detectamos con éxito 11,462 de 12,956 individuos en 2.7 ha con una densidad promedio de 0.5 individuos/m2. Probamos una variedad de hiperparámetros para determinar el rendimiento óptimo del detector y logramos 0.855 mAP, 0.82 de precisión, 0.83 de recuperación y 0.82 de puntuación F1. Encontramos que tan solo diez imágenes etiquetadas de drones eran suficientes para entrenar un modelo de detección aceptable (0.799 mAP). Nuestros resultados ilustran el potencial de utilizar drones pequeños y asequibles con la implementación directa de modelos de detección de objetos de código abierto para realizar encuestas de holoturias y otras especies sésiles de aguas poco profundas.