Saltar al contenido

Proyecto

Peixòmetre

De las fotografías de capturas a los datos.

Peixòmetre identifica especies, cuenta ejemplares y estima su longitud para apoyar el seguimiento de la pesca recreativa.

01 / El reto

De la fotografía al dato

Las fotografías de los pescadores contienen información valiosa, pero convertirlas en datos requiere identificar las especies, distinguir cada ejemplar y medirlo. Las diferencias de iluminación, los peces superpuestos y las distintas perspectivas dificultan este trabajo. Peixòmetre automatiza parte del análisis para generar registros homogéneos que puedan revisarse y utilizarse en investigación y monitorización.

02 / Funcionamiento

Cómo funciona Peixòmetre

Fotografías de capturas

La imagen inicia el análisis de la captura.

A partir de: Fotografía

Detección de peces

Localiza cada ejemplar dentro de la imagen.

A partir de: Peces detectados

Segmentación

Separa cada pez del fondo.

A partir de: Peces segmentados

Identificación de especies

Identifica la especie por sus rasgos visuales.

A partir de: Fotografía

Detección de marcadores

Localiza las referencias de medida en la tabla.

A partir de: Segmentación + marcadores

Medición de longitud

Corrige la perspectiva y mide cada pez en centímetros.

A partir de: Especie + longitud

Estimación de biomasa

Estima el peso a partir de la especie y la longitud.

03 / Investigación

Investigación para conocer mejor la pesca recreativa

Peixòmetre es un proyecto de investigación que combina inteligencia artificial y ciencia marina para mejorar la recogida de datos sobre la pesca recreativa. Estudia cómo transformar las fotografías aportadas por los pescadores en registros comparables de especies y tallas, útiles para la investigación y la gestión pesquera. El método se ha evaluado con imágenes de capturas del Mediterráneo occidental en condiciones reales de iluminación, perspectiva y superposición de peces. La metodología y los resultados se describen en un artículo científico publicado en Fish and Fisheries.

An Angler-Friendly AI Pipeline for Self-Reporting and Automatic Catch Analysis in Recreational Fisheries
Signaroli et al. (2026). Fish and Fisheries, 27(3), 627–642.
DOI: 10.1111/faf.70073

04 / Colaboraciones

Colaboraciones del proyecto