Een beelddataset van wilde vissen voor individuele re-identificatie en fenotypering

Waarom het nauwkeurig bekijken van vissenkoppen ertoe doet

Wilde dieren lijken voor ons vaak op elkaar, maar ieder individu draagt zijn eigen verhaal van groei, beweging en overleving. Voor marien biologen betekent het bijhouden van die verhalen meestal het vangen van vissen, het aanbrengen van merkers en hopen ze later opnieuw te vangen — een procedure die duur is en stress veroorzaakt bij de dieren. Deze studie introduceert Melops, een grote, open beeldcollectie van een kleurrijke kustvis, de krombeklieveel (corkwing wrasse), bedoeld om computers in staat te stellen individuele vissen te herkennen aan hun gezichts‑/koptekeningen alleen en om te meten hoe hun uiterlijk in de loop van de tijd verandert.

Een groeiend fotoalbum van wilde vissen

Gedurende zeven jaar langs de kusten van West‑Noorwegen vingen onderzoekers herhaaldelijk bijna tienduizend wilde krombekliervissen. Van elke vis registreerden ze de lengte, het geslacht en de gezondheid, plaatsten een klein elektronisch merkje voor betrouwbare identificatie en fotografeerden beide zijden van het lichaam tegen een standaard witte achtergrond. Deze zorgvuldige routine leverde 24.578 afbeeldingen op, waaronder meer dan 8.500 foto’s van vissen die meer dan eens werden aangetroffen. Omdat veel individuen maanden en jaren later opnieuw werden gevangen, legt de dataset vast hoe echte wilde vissen in grootte, kleur en conditie veranderen naarmate ze ouder worden, paren en herstellen van verwondingen.

Rauwe foto’s omzetten in machine‑klare data

Om deze beelden bruikbaar te maken voor kunstmatige intelligentie deed het team veel meer dan alleen foto’s opslaan. Een subset van afbeeldingen werd nauwgezet met de hand geannoteerd: de omtrek van elke vis, het kopgebied en elf anatomische landmerken zoals snuit, oog en staartwortel werden gemarkeerd. Deze voorbeelden werden gebruikt om moderne computerzichtmodellen (YOLOv8) te trainen die automatisch de vis kunnen lokaliseren, het lichaam of alleen de kop kunnen uitsnijden en sleutelpunten over de hele collectie kunnen aanwijzen. Het resultaat is een set gestandaardiseerde beelduitsneden — volledig lichaam, kop en lichaam zonder kop — plus precieze coördinaten van belangrijke punten op de vis.

Kleur en vorm consistent uitlezen

Aangezien de foto’s in het veld onder wisselende lichtomstandigheden werden genomen, pakten de onderzoekers ook de uitdaging aan om kleuren tussen foto’s vergelijkbaar te maken. De meeste foto’s bevatten een witte referentiekaart, waardoor software kan meten hoe sterk elke foto afwijkt van een bekende standaard en helderheid en kleur balans dienovereenkomstig kan corrigeren. Scripts in Python en R, open gedeeld met de dataset, tonen hoe deze correcties worden uitgevoerd en hoe kleurinformatie uit specifieke regio’s zoals de wang kan worden geëxtraheerd. Deze zorgvuldige standaardisering is essentieel voor het bestuderen van subtiele kleurverschillen die verband houden met geslacht, seizoen, gezondheid en sociale status.

Kunnen mensen en machines dezelfde vis herkennen?

De krombeklieveel heeft ingewikkelde, hoogcontrastende patronen op de kop die als een gezichtsafdruk fungeren. Om te onderzoeken hoe goed mensen deze patronen kunnen gebruiken, bouwde het team een eenvoudige online test genaamd FishFaces. Deelnemers kregen een query‑kopfoto van een vis te zien en twee kandidaatbeelden en moesten kiezen welke afbeelding hetzelfde individu toonde, soms met jaren tussentijd. Acht ervaren waarnemers behaalden bijna perfecte nauwkeurigheid, zelfs wanneer de vis was gegroeid of van algemene kleur was veranderd. Eerdere computerexperimenten op een kleinere subset van de gegevens toonden aan dat moderne deep‑learningmethoden in ongeveer de helft van de moeilijke gevallen al de juiste vis kunnen vinden, en de nieuwe, grotere dataset is bedoeld om deze methoden veel verder te brengen.

Wat dit betekent voor het observeren van leven onder water

Door Melops en alle bijbehorende tools openlijk vrij te geven, bieden de auteurs een zeldzaam, rijk gedocumenteerd archief van duizenden wilde vissen die door de tijd worden gevolgd. Voor niet‑specialisten is de kernboodschap dat we binnenkort mogelijk vispopulaties, geslachtsverhoudingen, groei en gezondheid kunnen monitoren door simpelweg foto’s te analyseren, wat de noodzaak voor invasieve merkers vermindert. Hetzelfde raamwerk kan worden aangepast aan andere soorten met onderscheidende tekeningen en biedt een krachtig instrument om dierenlevens, de impact van visserij en milieuverandering te bestuderen, terwijl een groter deel van de natuurlijke wereld ongemoeid wordt gelaten.

Bronvermelding: 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

Trefwoorden: heridentificatie van dieren, computerzicht, visecologie, beelddataset, kleurpatroon