A pesar de la importancia ecológica de las almejas gigantes (Tridacninae), su gestión y conservación efectivas son un desafío debido a su amplia distribución y a los métodos de monitoreo que requieren mucho trabajo. En este estudio, presentamos un enfoque alternativo para detectar y mapear la densidad de almejas en Pioneer Bay en la isla Goolboddi (Orpheus) en la Gran Barrera de Coral, utilizando datos de drones con una combinación de herramientas de aprendizaje profundo y un sistema de información geográfica (SIG). Entrenamos y evaluamos 11 modelos utilizando YOLOv5 (You Only Look Once, versión 5) con diferentes números de mosaicos de imágenes de entrada y aumentaciones (precisión media promedio - mAP: 63-83%). Incorporamos la biblioteca Slicing Aided Hyper Inference (SAHI) para detectar almejas a través de ortomosaicos, eliminando conteos duplicados de almejas que abarcan múltiples mosaicos y, además, aplicamos nuestros modelos en tres otras ubicaciones geográficas en la Gran Barrera de Coral, demostrando transferibilidad. Finalmente, al vincular las detecciones con sus coordenadas geográficas originales, ilustramos el flujo de trabajo necesario para cuantificar las densidades de animales, mapeando hasta siete almejas por metro cuadrado en Pioneer Bay. Nuestro flujo de trabajo reúne varios pasos que de otro modo serían dispares para crear un enfoque integral para detectar y mapear animales con drones aéreos. Esto proporciona a los ecologistas y conservacionistas información cuantitativa y visual clara y útil a partir de los datos de mapeo de drones.