为实现鱼道过鱼数量、体型大小、物种种类及游动方向的精准快速识别，本文提出一种基于深度学习YOLOv5网络模型的鱼道过鱼情况监测方法。从鱼道监测系统中存储的近百段过鱼视频为基础，通过逐帧提取获得鱼类图像并完成标注，选取每种鱼类的2000帧图像构建过鱼模型训练数据集，采用YOLOv5s模型开展训练并生成权重文件，以未经预处理的视频作为测试组进行检测，结果显示模型识别准确率达95%以上，可完全适用于水下鱼类的实时识别场景。