Un conjunto de imágenes de peces salvajes para la reidentificación individual y el fenotipado

Por qué importa observar de cerca las caras de los peces

Los animales salvajes a menudo nos parecen parecidos entre sí, pero cada individuo lleva su propia historia de crecimiento, movimiento y supervivencia. Para los biólogos marinos, hacer seguimiento de esas historias suele implicar capturar peces, colocarles marcas y esperar volver a verlos más tarde, un proceso costoso y estresante para los animales. Este estudio presenta Melops, una gran colección abierta de imágenes de un pez costero colorido, la lipotria (corkwing wrasse), diseñada para que los ordenadores reconozcan individuos a partir de los patrones faciales y para medir cómo cambia su apariencia con el tiempo.

Un álbum fotográfico en crecimiento de peces salvajes

A lo largo de siete años en las costas del oeste de Noruega, los investigadores capturaron repetidamente cerca de diez mil lipotrias salvajes. Para cada pez registraron su longitud, sexo y estado de salud, implantaron una pequeña etiqueta electrónica para identificación fiable y fotografiaron ambos lados del cuerpo sobre un fondo blanco estándar. Esta rutina cuidadosa produjo 24.578 imágenes, incluidas más de 8.500 fotos de peces que fueron vistos más de una vez. Debido a que muchos individuos fueron recapturados durante meses y años, el conjunto de datos recoge cómo los peces salvajes reales cambian en tamaño, color y condición a medida que envejecen, se reproducen y se recuperan de lesiones.

Convertir fotos crudas en datos listos para máquinas

Para hacer estas imágenes útiles para la inteligencia artificial, el equipo hizo mucho más que almacenar fotografías. Un subconjunto de imágenes fue anotado meticulosamente a mano, marcando el contorno de cada pez, su región de la cabeza y once puntos anatómicos como el hocico, el ojo y la base de la cola. Estos ejemplos se usaron para entrenar modelos modernos de visión por computador (YOLOv8) que pueden localizar automáticamente el pez, recortar el cuerpo o solo la cabeza y señalar características clave del cuerpo en toda la colección. El resultado es un conjunto de recortes de imagen estandarizados: cuerpo completo, cabeza y cuerpo sin cabeza, además de coordenadas precisas de puntos importantes en el pez.

Leer color y forma con consistencia

Como las fotos se tomaron en campo bajo iluminación variable, los investigadores también abordaron el desafío de hacer los colores comparables entre imágenes. La mayoría de las fotos incluyen una tarjeta de referencia blanca, lo que permite al software medir cuánto se desvía cada imagen de un estándar conocido y corregir brillo y balance de color en consecuencia. Scripts en Python y R, compartidos abiertamente con el conjunto de datos, muestran cómo realizar estas correcciones y cómo extraer información de color de regiones específicas como la mejilla. Esta estandarización cuidadosa es esencial para estudiar diferencias sutiles en el color vinculadas al sexo, la estación, la salud y el estatus social.

¿Pueden las personas y las máquinas reconocer el mismo pez?

La lipotria tiene patrones intrincados y de alto contraste en la cabeza que funcionan como una huella facial. Para ver qué tan bien pueden usar los humanos estos patrones, el equipo creó una prueba en línea simple llamada FishFaces. A los participantes se les mostraba una foto de consulta de la cabeza de un pez y dos imágenes candidatas, y debían elegir cuál mostraba al mismo individuo, a veces separadas por años. Ocho observadores experimentados obtuvieron una precisión casi perfecta, incluso cuando el pez había crecido o cambiado de color en general. Experimentos computacionales anteriores sobre un subconjunto menor de datos mostraron que los métodos actuales de aprendizaje profundo ya pueden identificar al pez correcto en alrededor de la mitad de los casos difíciles, y el nuevo conjunto de datos, más grande, pretende impulsar mucho más estos métodos.

Qué significa esto para observar la vida bajo el agua

Al publicar abiertamente Melops y todas las herramientas asociadas, los autores ofrecen un registro raro y bien documentado de miles de peces salvajes seguidos a lo largo del tiempo. Para el público general, el mensaje clave es que pronto podremos monitorizar poblaciones de peces, proporciones de sexos, crecimiento y salud simplemente analizando fotografías, reduciendo la necesidad de marcas invasivas. El mismo marco puede adaptarse a otras especies con marcas distintivas, proporcionando una forma potente de estudiar la vida animal, los impactos pesqueros y el cambio ambiental mientras se deja más del mundo de los animales sin perturbar.

Cita: 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

Palabras clave: reidentificación de animales, visión por computador, ecología de peces, conjunto de imágenes, patrón de color