Um conjunto de imagens de peixes selvagens para reidentificação individual e fenotipagem

Por que observar de perto os rostos dos peixes importa

Animais selvagens muitas vezes nos parecem semelhantes, mas cada indivíduo carrega sua própria história de crescimento, movimento e sobrevivência. Para biólogos marinhos, acompanhar essas histórias geralmente significa capturar peixes, colocar etiquetas e torcer para vê-los novamente depois — um processo caro e estressante para os animais. Este estudo apresenta o Melops, uma grande coleção aberta de imagens de um peixe costeiro colorido, o sáfego-dentes (corkwing wrasse), projetada para permitir que computadores reconheçam peixes individualmente apenas a partir dos padrões faciais e para medir como sua aparência muda ao longo do tempo.

Um álbum fotográfico crescente de peixes selvagens

Ao longo de sete anos nas margens da Noruega ocidental, pesquisadores capturaram repetidamente quase dez mil sáfeios-dentes selvagens. Para cada peixe registraram seu comprimento, sexo e condição de saúde, implantaram uma pequena etiqueta eletrônica para identificação confiável e fotografaram ambos os lados do corpo contra um fundo branco padrão. Essa rotina cuidadosa produziu 24.578 imagens, incluindo mais de 8.500 fotos de peixes que foram vistos mais de uma vez. Como muitos indivíduos foram recapturados ao longo de meses e anos, o conjunto de dados captura como peixes selvagens reais mudam em tamanho, cor e condição à medida que envelhecem, se reproduzem e se recuperam de ferimentos.

Transformando fotos brutas em dados prontos para máquinas

Para tornar essas imagens úteis para inteligência artificial, a equipe fez muito mais do que apenas armazenar fotografias. Um subconjunto de imagens foi meticulosamente anotado à mão, marcando o contorno de cada peixe, a região da cabeça e onze marcos anatômicos, como o focinho, o olho e a base da cauda. Esses exemplos foram usados para treinar modelos modernos de visão computacional (YOLOv8) que podem localizar automaticamente o peixe, recortar o corpo ou apenas a cabeça e localizar pontos corporais-chave em toda a coleção. O resultado é um conjunto de recortes de imagem padronizados — corpo inteiro, cabeça e corpo sem cabeça — além de coordenadas precisas de pontos importantes no peixe.

Lendo cor e forma com consistência

Como as fotos foram tiradas em campo sob luz variável, os pesquisadores também enfrentaram o desafio de tornar as cores comparáveis de imagem para imagem. A maioria das fotos inclui uma carta de referência branca, permitindo que o software meça quanto cada imagem se desvia de um padrão conhecido e corrija brilho e equilíbrio de cor adequadamente. Scripts em Python e R, compartilhados abertamente com o conjunto de dados, mostram como executar essas correções e como extrair informações de cor de regiões específicas, como a bochecha. Essa padronização cuidadosa é essencial para estudar diferenças sutis de cor ligadas a sexo, estação, saúde e status social.

Pessoas e máquinas conseguem identificar os mesmos peixes?

O sáfego-dentes possui padrões intrincados e de alto contraste na cabeça que funcionam como uma impressão facial. Para ver quão bem humanos conseguem usar esses padrões, a equipe construiu um teste online simples chamado FishFaces. Participantes viram uma foto de cabeça consulta de um peixe e duas imagens candidatas e foram convidados a escolher qual mostrava o mesmo indivíduo, às vezes separadas por anos. Oito observadores experientes obtiveram precisão quase perfeita, mesmo quando o peixe havia crescido ou mudado de cor. Experimentos computacionais anteriores em um subconjunto menor dos dados mostraram que métodos atuais de deep learning já conseguem identificar o peixe correto em cerca de metade dos casos difíceis, e o novo conjunto de dados maior pretende levar esses métodos muito mais adiante.

O que isso significa para monitorar a vida sob a água

Ao liberar abertamente o Melops e todas as ferramentas associadas, os autores oferecem um registro raro e bem documentado de milhares de peixes selvagens acompanhados ao longo do tempo. Para não especialistas, a mensagem principal é que em breve poderemos monitorar populações de peixes, razões de sexo, crescimento e saúde simplesmente analisando fotografias, reduzindo a necessidade de etiquetas invasivas. A mesma estrutura pode ser adaptada a outras espécies com marcações distintivas, oferecendo uma maneira poderosa de estudar vidas animais, impactos da pesca e mudanças ambientais enquanto se deixa mais do mundo dos animais sem perturbações.

Citação: 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

Palavras-chave: reidentificação de animais, visão computacional, ecologia de peixes, conjunto de imagens, padrão de cor