La tecnología de reconocimiento individual de peces es una de las tecnologías clave para realizar la acuicultura automatizada. Apuntando a las deficiencias en la tecnología existente de reconocimiento individual de animales, este documento propone un método para el reconocimiento individual de peces submarinos basado en la tecnología de aprendizaje profundo, que se divide en dos partes: detección de objetos individuales de peces y reconocimiento individual de peces. En la parte de detección de objetos, la investigación ha mejorado una nueva detección de objetos para peces submarinos basada en el algoritmo YOLOv4, que cambió la red de extracción de características en YOLOv4 de CSP Darknet53 a Mobilenetv3 y cambió la convolución 3 x 3 en la red de extracción de características mejorada PANet a convolución separable en profundidad. En comparación con el YOLOv4 original, la precisión media promedio se mejora en un 1,97%. Para el reconocimiento individual, se propone un algoritmo llamado FIRN (Fish Individual Recognition Network) para el reconocimiento individual de peces submarinos. La red de extracción de características del algoritmo utiliza el ResNext50 mejorado, y la función de pérdida utiliza Arcface Loss. El módulo de atención CBAM se introduce en el bloque residual de ResNext50, se elimina la capa de max-pooling en el tronco, y se introduce la convolución dilatada en el bloque residual, lo que aumenta el campo receptivo y mejora la capacidad de extracción de características. Los experimentos muestran que el algoritmo FIEN puede mejorar la compacidad dentro de una clase mientras se asegura la separabilidad entre clases, y tiene un mejor efecto de reconocimiento que otros algoritmos.