使用YOLOv5进行鱼类识别是可行的，但要训练出高质量的模型需要一些工作。以下是一些需要注意的问题：
-
数据集的准备：需要收集一定数量的鱼类图片，并对其进行标注，标注的格式需要符合YOLOv5的要求。同时，需要注意数据集的平衡性，即不同种类的鱼类数量应该大致相同，以避免模型偏向某些种类。
-
超参数的调整：YOLOv5有很多超参数，包括学习率、批大小、网络结构等，需要根据数据集的大小和特点进行调整，以达到最佳的训练效果。
-
数据增强技术的应用：数据增强技术可以增加数据集的多样性，从而提高模型的泛化能力。可以使用旋转、翻转、裁剪等技术对数据进行增强。
-
模型评估：需要对训练出来的模型进行评估，包括精度、召回率、F1分数等指标。同时，需要使用验证集和测试集进行模型评估，以避免过拟合。
-
API接口的封装：需要将训练好的模型封装为API接口，以便Web程序调用。这需要一定的编程能力和API开发经验。
因此，虽然使用YOLOv5进行鱼类识别是可行的，但训练出高质量的模型需要一定的技术和经验。建议您在实施项目之前，先进行充分的调研和实验，以确保项目的可行性和成功率。