El conteo de alevines ha sido vital en la acuicultura, pero los métodos actuales basados en computadoras no son lo suficientemente viables para calcular de manera precisa y eficiente un gran número de alevines en un solo conteo debido a la severa oclusión, la distribución densa y el pequeño tamaño de los alevines. Para abordar este problema, proponemos la red de puntos clave de mejora de deconvolución (DEKNet), un método para el conteo de alevines que presenta un enfoque de un solo punto clave. Este enfoque novedoso modela los alevines como un punto ubicado en la parte central de la cabeza del pez, sentando las bases para nuestra estrategia de conteo innovadora. Específicamente, primero se diseña un extractor de características de alevines (FFE) caracterizado por ramas duales paralelas para una representación de alta resolución. A continuación, se añaden dos módulos de deconvolución idénticos (TDMs) a la cabeza de generación para un mapa de calor de puntos clave de alta calidad y alta resolución con el mismo tamaño de resolución que la imagen de entrada, facilitando así el conteo preciso de alevines. Luego, se obtiene el valor pico local del mapa de calor como el punto clave de los alevines, por lo que el número de estos puntos clave con información de coordenadas equivale al número de alevines, y las coordenadas del punto clave se pueden utilizar para localizar los alevines. Finalmente, se construye FishFry-2023, un conjunto de datos de alevines a gran escala, para evaluar la efectividad del método propuesto por nosotros. Los resultados experimentales muestran que se logró una tasa de precisión del 98.59% en el conteo de alevines. Además, DEKNet alcanzó un alto grado de precisión en el conjunto de datos de Penaeus (98.51%) y un MAE de 13.32 en un conjunto de datos público conocido como Células Adiposas. Los resultados de la investigación revelan que DEKNet tiene un rendimiento integral superior en precisión de conteo, número de parámetros y esfuerzo computacional.