Ein Bilddatensatz wilder Fische zur individuellen Wiedererkennung und Phänotypisierung

Warum es wichtig ist, Fischgesichter genau zu betrachten

Wildtiere wirken für uns häufig ähnlich, doch jedes Individuum trägt seine eigene Geschichte von Wachstum, Bewegung und Überleben. Für Meeresbiologen bedeutet das Nachverfolgen dieser Geschichten meist, Fische zu fangen, Marken anzubringen und darauf zu hoffen, sie später wiederzufinden — ein kostspieliger und stressiger Prozess für die Tiere. Diese Studie stellt Melops vor, eine große offene Bildsammlung eines farbenfrohen Küstenfischs, des Korkenzieher-Makrelenbarschs (corkwing wrasse), die darauf ausgelegt ist, Computern zu erlauben, einzelne Fische allein an ihren Kopfmustern wiederzuerkennen und zu messen, wie sich ihr Aussehen im Laufe der Zeit verändert.

Ein wachsendes Fotoalbum wilder Fische

Über sieben Jahre entlang der Küsten Westnorwegens fingen Forschende wiederholt beinahe zehntausend wildlebende Korkenzieher-Makrelenbarsche. Für jeden Fisch wurden Länge, Geschlecht und Gesundheitszustand erfasst, ein winziges elektronisches Tag zur zuverlässigen Identifikation implantiert und beide Körperseiten vor einem standardisierten weißen Hintergrund fotografiert. Diese sorgfältige Routine erzeugte 24.578 Bilder, darunter mehr als 8.500 Fotos von Fischen, die mehr als einmal gesehen wurden. Da viele Individuen über Monate und Jahre erneut gefangen wurden, erfasst der Datensatz, wie sich echte Wildfische in Größe, Farbe und Zustand verändern, wenn sie altern, brüten und sich von Verletzungen erholen.

Rohfotos in maschinenlesbare Daten verwandeln

Um diese Bilder für künstliche Intelligenz nutzbar zu machen, tat das Team weit mehr, als nur Fotografien zu archivieren. Ein Teilbestand der Bilder wurde mühsam von Hand annotiert, wobei die Kontur jedes Fisches, der Kopfbereich und elf anatomische Landmarken wie Schnauze, Auge und Schwanzwurzel markiert wurden. Diese Beispiele dienten dazu, moderne Computer-Vision-Modelle (YOLOv8) zu trainieren, die automatisch den Fisch lokalisieren, den Körper oder nur den Kopf ausschneiden und wichtige Körpermerkmale in der gesamten Sammlung verorten können. Das Ergebnis ist eine Suite standardisierter Bildausschnitte — Ganzkörper, Kopf und Körper ohne Kopf — sowie präzise Koordinaten wichtiger Punkte am Fisch.

Farbe und Form konsistent auslesen

Da die Fotos im Feld bei wechselndem Licht aufgenommen wurden, widmeten sich die Forschenden auch der Herausforderung, Farben zwischen Bildern vergleichbar zu machen. Die meisten Fotos enthalten eine weiße Referenzkarte, die es Software erlaubt zu messen, wie stark jedes Bild von einem bekannten Standard abweicht, und Helligkeit sowie Farbbalance entsprechend zu korrigieren. Offen geteilte Skripte in Python und R zeigen, wie diese Korrekturen durchzuführen sind und wie man Farbinformationen aus bestimmten Regionen wie der Wange extrahiert. Diese sorgfältige Standardisierung ist entscheidend, um subtile Farbunterschiede zu untersuchen, die mit Geschlecht, Saison, Gesundheit und sozialem Status verbunden sind.

Können Menschen und Maschinen dieselben Fische identifizieren?

Der Korkenzieher-Makrelenbarsch zeigt komplizierte, kontrastreiche Muster am Kopf, die wie ein Gesichtsfingerabdruck wirken. Um zu prüfen, wie gut Menschen diese Muster nutzen können, entwickelte das Team einen einfachen Online-Test namens FishFaces. Teilnehmende sahen ein Anfrage-Porträt eines Fischkopfes und zwei Kandidatenbilder und sollten auswählen, welches Bild dasselbe Individuum zeigte, manchmal getrennt durch Jahre. Acht erfahrene Beobachter erreichten nahezu perfekte Genauigkeit, selbst wenn der Fisch gewachsen war oder sich die Gesamtfärbung verändert hatte. Frühere Computerexperimente an einer kleineren Teildatenmenge zeigten, dass aktuelle Deep-Learning-Methoden in etwa der Hälfte der schwierigen Fälle bereits das richtige Tier identifizieren können, und der neue, größere Datensatz soll diese Methoden deutlich voranbringen.

Was das für die Beobachtung des Lebens unter Wasser bedeutet

Durch die offene Freigabe von Melops und aller zugehörigen Werkzeuge bieten die Autor:innen einen seltenen, reich dokumentierten Bestand von Tausenden wildlebender Fische, die über die Zeit verfolgt wurden. Für Nicht-Spezialisten lautet die Kernaussage, dass wir möglicherweise bald Fischpopulationen, Geschlechterverhältnisse, Wachstum und Gesundheitszustand allein durch die Analyse von Fotografien überwachen können, wodurch invasive Markierungen reduziert werden. Dasselbe Rahmenkonzept lässt sich auf andere Arten mit charakteristischen Zeichnungen übertragen und bietet eine kraftvolle Möglichkeit, das Leben von Tieren, die Auswirkungen der Fischerei und Umweltveränderungen zu untersuchen, während mehr von der Lebenswelt der Tiere ungestört bleibt.

Zitation: Sørdalen, T.K., Malde, K., Sauvaitre, C. et al. A wild fish image dataset for individual re-identification and phenotyping. Sci Data 13, 708 (2026). https://doi.org/10.1038/s41597-026-07045-1

Schlüsselwörter: Wiedererkennung von Tieren, Computer Vision, Fischökologie, Bilddatensatz, Farbmuster