Набор фотографий диких рыб для индивидуальной переидентификации и фенотипирования

Почему важно внимательно рассматривать лица рыб

Дикие животные часто кажутся нам похожими, но у каждого особи своя история роста, перемещений и выживания. Для морских биологов отслеживание этих историй обычно означает поимку рыб, прикрепление меток и надежду увидеть их снова позже — процесс дорогостоящий и стрессовый для животных. В этом исследовании представлен Melops, большой открытый набор изображений яркой прибрежной рыбы — морской чешуйчатой коровки (corkwing wrasse), — созданный чтобы позволить компьютерам распознавать отдельных рыб по рисунку на голове и измерять, как изменяется их внешний вид с течением времени.

Растущий фотоальбом диких рыб

На протяжении семи лет вдоль берегов западной Норвегии исследователи многократно отлавливали почти десять тысяч диких морских чешуйчатых коровок. Для каждой рыбы они фиксировали длину, пол и состояние здоровья, имплантировали небольшую электронную метку для надежной идентификации и фотографировали обе стороны тела на стандартном белом фоне. Эта тщательная процедура дала 24 578 изображений, включая более 8 500 фото рыб, замеченных более одного раза. Поскольку многие особи повторно отлавливались в течение месяцев и лет, набор данных отражает, как реальные дикие рыбы меняются в размерах, окраске и состоянии по мере взросления, нереста и восстановления после травм.

Преобразование сырых фото в данные, готовые для машин

Чтобы сделать эти изображения полезными для искусственного интеллекта, команда сделала гораздо больше, чем просто сохранила фотографии. Подмножество изображений было кропотливо аннотировано вручную: отмечен контур каждой рыбы, область головы и одиннадцать анатомических ориентиров, таких как рыла, глаз и основание хвоста. Эти примеры использовали для обучения современных моделей компьютерного зрения (YOLOv8), которые автоматически находят рыбу, вырезают тело или только голову и точно определяют ключевые точки по всему набору. В результате получился набор стандартизованных кропов изображений — целое тело, голова и тело без головы — а также точные координаты важных точек на рыбе.

Последовательное считывание цвета и формы

Поскольку фотографии делались в полевых условиях при меняющемся освещении, исследователи также решили задачу приведения цветов к сопоставимому виду между снимками. Большинство фото содержит белую эталонную карту, что позволяет программному обеспечению измерять, насколько каждое изображение отклоняется от известного стандарта, и корректировать яркость и цветовой баланс соответственно. Скрипты на Python и R, открыто доступные вместе с набором данных, показывают, как выполнять эти корректировки и как извлекать цветовую информацию из конкретных областей, например, щёки. Такая тщательная стандартизация необходима для изучения тонких различий в окраске, связанных с полом, сезоном, состоянием здоровья и социальным статусом.

Могут ли люди и машины узнать одну и ту же рыбу?

У морской чешуйчатой коровки на голове сложный, контрастный рисунок, который действует как отпечаток лица. Чтобы понять, насколько хорошо люди умеют использовать эти узоры, команда создала простой онлайн-тест под названием FishFaces. Участникам показывали снимок головы рыбы и два варианта-кандидата и просили выбрать, какой из них принадлежит тому же животному, иногда с разделением в несколько лет. Восемь опытных наблюдателей показали почти идеальную точность, даже когда рыба выросла или изменила общую окраску. Ранее компьютерные эксперименты на меньшей выборке показали, что современные методы глубокого обучения уже в примерно половине сложных случаев способны выбрать правильную рыбу, а новый, более крупный набор данных предназначен для значительного повышения этих показателей.

Что это значит для наблюдений за жизнью под водой

Открыто выпустив Melops и все сопутствующие инструменты, авторы предлагают редкую, хорошо документированную запись тысяч диких рыб, прослеженных во времени. Для неспециалистов ключевая идея такова: вскоре мы сможем мониторить популяции рыб, соотношение полов, рост и здоровье просто по анализу фотографий, уменьшая необходимость в инвазивных метках. Та же методика может быть адаптирована к другим видам с характерными отметинами, предоставляя мощный способ изучения жизни животных, влияния рыбной промышленности и экологических изменений, оставляя при этом большее число особей в их естественной среде нетронутыми.

Цитирование: 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

Ключевые слова: переидентификация животных, компьютерное зрение, экология рыб, набор изображений, цветовой рисунок