Para mejorar la eficiencia de detección y reducir el consumo de costos en encuestas pesqueras, los métodos de detección de objetivos basados en visión por computadora se han convertido en un nuevo método para las encuestas de recursos pesqueros. Sin embargo, la especialidad y complejidad de la fotografía submarina resultan en una baja precisión de detección, limitando su uso en encuestas de recursos pesqueros. Para resolver estos problemas, este estudio propuso un método preciso llamado BSSFISH-YOLOv8 para la detección de peces en entornos submarinos naturales. Primero, reemplazar el módulo de convolución original con el módulo SPD-Conv permite que el modelo pierda menos información de grano fino. A continuación, la red de respaldo se complementa con una técnica de atención dispersa dinámica, BiFormer, que mejora la atención del modelo hacia la información crucial en las características de entrada, al mismo tiempo que optimiza la eficiencia de detección. Finalmente, agregar una capa de detección de pequeños objetivos (STDL) de 160 x 160 mejora la sensibilidad para objetivos más pequeños. El modelo obtuvo un 88.3% y un 58.3% en los dos indicadores de mAP@50 y mAP@50:95, respectivamente, lo que es un 2.0% y un 3.3% más alto que el modelo YOLOv8n. Los resultados de esta investigación pueden aplicarse a encuestas de recursos pesqueros, reduciendo los costos de medición, mejorando la eficiencia de detección y aportando beneficios ambientales y económicos.