Определить рыбу по фото

14 комментариев

У меня всё правильно
Вот и я на корюшке прокололся.Беларусь и корюшка.Нонсенс.А на фото обычная малоротка.
ну про щуку вы загнули — хозяева прудов приглашают спиннингистов что бы сократить щучье поголовье, а вы рассказываете что они её разводят.
Ребята два вопроса и оба разных: всю свою жизь прожил на севере и каждую весну мы ездили в тайгу на холодные быстрые таежные реки за рыбой ЯЗЬ, какие теплые воды вы о чем говорите. И еще может я дурак, раскажите мне дураку я на платниках рыбу ловил любую, но только не щуку, скажите мне пожалуйста где вы видели что бы щуку разводили, я ее ловил везде от озер карьеров рек до водохранилищ по всей нашей стране но олько не на рыбо фермах!!!???
15 из 15

13 из 15 закономерно. Родилась на Дальнем Востоке,много путешествовала по стране. Люблю рыбалку, а рыбу не люблю.
Корюшку в основном вялят, а не жарят. Удивлён…
Рыба налим чисто пресноводная а в вопросе она у них обретает в морях..грамотный редактор состовлял вопросы..дебилы!!
чисто интуитивно 13 из 15 — ответ содержится в вопросе
13 из 15!не рыбак и не зоолог-просто есть люблю))
Шестой флот США завез,когда к берегам подходил)))
да, есть))))) в немногих озерах обитает, потому и в красной книге
В комментариях про многие рыбы ареалом обитания указаны моры. Но ведь, к примеру Налим — это речная рыба, как другие. И да, корюшка — морская рыба. При чем тут Беларусь?
А с какого бодуна корюшка в Белорусии?

Источник: kto-chto-gde.ru

На развитие компьютерного зрения в последние 10 лет не обращал внимание лишь отстраненный от мира человек. Технология распознавания образов своим процветанием обязана глубокому обучению. Достижения машин поражают воображение.

В 2012 году происходит соревнование по классификации картинок, где выигрывает глубокая нейронная сеть с грандиозным отрывом от второго места;
Три года спустя машина классифицирует 1000 классов картинок с точностью, превосходящей человеческую;
Распознавание рукописных символов и дорожных знаков превзошли людей по точности.
Глаза самоуправляемых машин — лидары, радары и камеры способны распознавать окружение, дорожную разметку, транспорт, автомобили, а также пол и возраст пешеходов.
Точность чтения по губам сетью, обученной специалистами Google DeepMind и Оксфордского университета, превышает человеческую;
Распознавание возраста и пола — точность превысила человеческую;
Одним из самых развивающихся направлений технологий машинного зрения выступает распознавание лиц с акцентом на биометрию в связи с растущим спросом на данную технологию для обеспечения безопасности. Несколько стран используют технологии распознавания лиц в своих системах наружного видеонаблюдения. Благодаря ним даже был пойман преступник.

Это лишь вершина айсберга достижений алгоритмов компьютерного зрения. Остались без упоминания достижения в искусстве, медицине, играх и впечатляющие генеративные модели, такие как генератор кошечек. Некоторые источники утверждают, что именно благодаря кошечкам удалось позаимствовать идею сверточных нейросетей у природы, создавшей зрительную кору мозга.

Компьютерное зрение, как часть мира будущего

Технологии для автоматизации задачи, требующие распознавание образов, пользуются спросом на службе правительств и в высокотехнологичных компаниях. Они помогают решать задачи людей, нуждающихся в помощи — фермеров и защитников окружающей среды. Приложение Seeing AI от Microsoft описывает окружающий мир для слепых людей. А молодой разработчик создал для родителей фермеров сортировку овощей, облегчив труд.

Мы давно следим за развитием технологий. Потенциал машинного обучения вдохновляет нас искать приложения перспективных технологий в наших продуктах для решения повседневных задач простых людей. В 2016 году, работая над социальной сетью для рыбаков, мы решили сделать лучшее, что в наших силах, чтобы любимое многими хобби, стало не просто удобнее, но и интереснее.

Цель и постановка задачи

Современные рыбацкие сообщества до сих пор живут на форумах, построенных в начале 2000-х. Темы с рассказами о лучших местах для рыбалки, снаряжении и фотографиями улова — наиболее активны. Люди делятся запечатленной на смартфон рыбой, выкладывая пост на форум. Братья по оружию (в этом случае, удочке) обсуждают добычу, соревнуясь друг с другом кто поймал щуку побольше. Такую теплую соревновательную атмосферу нарушать нам не хотелось. Как раз напротив, сделать рыбалку активнее, удобнее и чуточку современнее, по крайней мере, в этом аспекте.

Порядка 500 млн человек во всем мире увлекаются сегодня рыбалкой. Представители одного из самых больших комьюнити, давно берут с собой смартфоны на рыбалку, однако, все также сидят на устаревших форумах или группах в Facebook. Удивительно, но современных ресурсов и приложений для рыбаков почти нет. Мы хотели исправить это досадное упущение посредством технологий.

Созданное нами приложение поможет рыбакам не только определить вид и длину рыбы, но и оставить трофей на доске почета. Каждый рыбак хочет видеть добычу в своей коллекции. Сканируя поимку, приложение добавляет ее в профиль, так, чтобы пользователь смог похвастаться уловом со своими друзьями. Наверное, у большинства рыбаков, которые считают это занятие больше чем хобби, есть чувство соревновательного азарта. Специально для них, мы также решили добавить рейтинги. Пользователи с большим уловом будут на вершине рейтинга, становясь стимулом для остальных. Рассказы типа «я поймал ВОТ такую рыбу» не будут восприниматься всерьез. Приложение будет знать, кого поймал рыбак и какой длины.

Человека больше не будет отвлекать загрузка фотографий на форум, определение вида и размера рыбы — все сделает машинное обучение. Останется только наслаждаться любимым занятием — ловить рыбку.

Учим сеть улавливать рыбу

Чтобы научить сеть распознавать длину и вид рыбы, помимо мощных видокарт нам было необходимо:

собрать данные;
обработать до чистого набора размеченных красивых картинок с рыбой;
выбрать подходящие архитектуры;
учить и валидировать;
исправлять ошибки и пробовать снова.

Сбор данных

Открытые датасеты с разметкой вида рыбы или бокса с ее положением практически отсутствуют. Данные можно найти у ImageNet и отдельных лабораторий, но объём, качество снимков и разметки оставляют желать лучшего.
Первого взгляда на первую сотню фотографий улова будет достаточно, чтобы понять, что рыбакам со всего мира нравится делать селфи с рыбой, а не качественные фотографии.
Фотографии и видео с рыбалки содержат нужные данные, но они имеют ряд существенных недостатков:

Низкое качество ~40% датасета:
1. Рыба занимает небольшую часть фотографии, или ужасно смазана, сфотографирована издалека;
2. Руки рыбака закрывают собой значительную часть рыбы;
3. Рыба видна частично и не помещается в кадр, обрезана или перекрыта на снимке.

Кадр не поддается классификации:

На фотографии несколько видов, а мы хотим для каждого изображения определять один класс.
Рыбаки очень часто путают похожие виды, «загрязняя» данные.

Глубокие сети требовательны к объему и менее требовательны к качеству. Но рыболовные снимки в сыром виде непригодны.

Наша методика позволила нам решить сразу несколько проблем — сбора данных и их очистки. Она заключается в последовательном увеличении качества, моделей и данных:
Мы размечаем вручную границы рыбы для нескольких непохожих видов для избежания переучивания на один вид. Например, камбала, щука и карп. Несколько дней работы — это пара тысяч картинок.

Выбираем архитектуру для детекции. Быструю и точную для работы с большим количеством данных. R-FCN показалась подходящей.

Обучаем сеть различать рыбу и не-рыбу (фон), детектить первое. Делаем веб-интерфейс для инференса медийных материалов наших рыбаков. Он может вставить в веб интерфейс ссылку на своё видео, которое будет покадрово прогнанно через модель детекции. Все кадры, содержащие рыбу, будут выведены на экран для удаления дубликатов и ошибок…

Такая админка позволяет собирать данные для целевого вида, а обработанные сетью и проверенные человеком использовать для:

Дообучения нашей модели детекции. Отбирая примеры удачной работы на новых видах мы делаем transfer на большее количество видов и повышаем точность и качество модели;
Вырезания фрагмента с рыбой из фотографии — на выходе, установив высокий порог уверенности для фильтра хороших кадров, получаем крупные качественные кадры с одной рыбой. То что нужно для обучения модели классификации! Обработанных таким способом качественных изображений ~60%.

Обучение классификации

Мы намерены расширять количество распознаваемых видов, поэтому выбирали архитектуру классификатора среди сетей, которые предсказывали 1000 классов на ImageNet. Выбор пал на Inception-ResNet-2, как оптимальное соотношение размера и точности.

Для обучения использовались TensorFlow, EVGA GeForce GTX 1080 Ti и EVGA GeForce GTX 1080.

Полное обучение модели дало большую точность, чем обучение полносвязных слоев модели ImageNet. Скорее всего потому, что сеть научилась низкоуровневым паттернам, таким как рисунок чешуи. Обучение заняло более 80 часов на двух видеокартах.

Первые результаты были поразительны!

Пока все восхищались тем фактом, что доучили нейронку до уровня мультипликационной абстракции, некоторых терзало сомнение, что сеть переучилась.

Но зря, камера запечатлела типичного керри на миде, значит всё впорядке.

Полученное решение страдало от больших ошибок на похожих видах. На изображениях представлены легендарный язь и голавль, отличить которых, способны лишь заядлыми рыбаками.

Ситуация обстоит еще хуже с форелью.

Более десятка популярных видов форелей и лососей не просто могут запутать неспециалиста, но и невероятно изменчивы в течении жизни. От стадии личинки до нереста они меняют свой окрас и форму кардинально в зависимости от возраста, времени года и даже состава воды. Далеко не каждый человек распознает один и тот же вид одной форели с интервалом в несколько лет. Такие виды, как кижуч и чавыча отличить человеку сложно даже по описанию. Из-за человеческой ошибки данные перепутаны, для каждого класса модель требует не менее 1000 фотографий для точности более 80%, при нескольких десятках видах вручную компетентно просматривать такие объёмы ресурсозатратно.

Наше решение заключалось в итерационном очищении датасета от ошибок разметки посредством самой модели. Модель прогоняем на своём же датасете, находим все картинки с несовпадением предсказания модели и разметки. Большинство таких картинок оказываются ошибками последнего. Отсеиваем их, переучиваем модель и получаем высокие метрики на валидационном датасете. В результате, удалось получить точность модели более 90+% даже для похожих видов. Сеть умеет практически безошибочно различать 8 схожих видов форелей и лососей, и более десятка окуней. Однако, в редких случаях сеть все же ошибается. Причину лучше показать наглядно:

Измеряем улов

Переоценка своего улова — очень важная фича белковых нейросеток. Для точного измерения, нужно знать границы рыбы на фотографии и иметь дальномер, как на новых смартфонах со сдвоенными камерами.

Наша цель — обеспечить рыбакам точное измерение улова автоматически, простым наведением телефона. Приложение должно уметь определять, когда рыба в кадре классифицирована и локализована. Необходимо измерять длину рыб по нескольким различным стандартам. Архитектура Faster RCNN с Inception-ResNet-2 демонстрирует себя лучше аналогов, переводим классификаци на неё с R-FCN.

Результаты на аналогичных данных говорят сами за себя.

Тем не менее, такой метод измерения нам не подходит, так как боксы корректно определяющие длину и ширину только для горизонтального и вертикального положения, для произвольного положения не подходят и не способны оценивать длину изогнутой рыбы.

Точнее измеряем улов

Размечаем несколько тысяч фотографий ключевыми точками для покрытия всех способов измерения по различным стандартам.

Обучаем модель для регрессии по ключевым точкам, которая увеличит точность измерения длины и сможет влезть в телефон. Если мы переносим детекцию на устройство, то сможем отправлять на классификацию уже обрезанный участок с рыбой, что увеличит надёжность и поможет снять нагрузку с сервера. Телефон будет отправлять запрос только, когда обнаружит рыбу. К сожалению, модель регрессии точек не сможет отличить рыбу от не-рыбы, поэтому нам понадобится модель такого бинарного классификатора на устройство.

Для регрессии по ключевым точкам берём предобученную на ImageNet’e «голову» от архитектуры ResNet50, добавляем 2 полносвязных слоя на регрессию 14 переменных — координаты всех точек. Функция потерь MAE. Вес модели ~ мегабайта.

Аугментации: флипы горизонтальные/вертикальные, яркость, рандомные кропы (хорошо зашли), скейл. Все координаты точек нормировались на [-1, 1]

Для создания бинарного классификатора, создаём свою модель, похожую на AlexNet. Обучаем на рыбах и «не-рыбах».

Тут все стандартно: бинарная кросс энтропия, аугментации, метрика accuracy (выборки сбалансированы)

В дальнейшем мы планируем увеличивать количество распознаваемых видов, превзойти точностью модели человеческую и переносить модель полностью на устройство. Наша цель не просто создать универсальный инструмент для рыбаков, а объединить все комьюнити в едином проекте.

Источник: habr.com

Даже самые заядлые рыбаки иногда ловят рыбу, которую просто не могут опознать. Когда это происходит, как узнать, сколько весит рыба, открыт ли на нее сезон ловли, и съедобна ли она? При помощи быстрого сканирования вашего улова, приложение FishVerify может определить вид рыбы, предоставить информацию о ее съедобности и среде обитания, и, используя GPS телефона, может сообщить какое количество данной рыбы можно выловить согласно закону.

FishVerify создано на основе нейронной сети, виде искусственного интеллекта, который может быть обучен при наборе данных и использоваться для распознавания изображений. В этом случае систему наполнили 1,5 миллионами картинок более 1000 различных видов рыбы, и бета-версия приложения на данный момент разбирается примерно в 150 видах.

Используя постоянно растущий набор данных, суть заключается в том, чтобы рыбаки могли сделать фото любой пойманной рыбы, и за пару секунд приложение скажет им, что это за рыба, а также все ее физические особенности, где ее можно найти, как поймать, и можно ли ее кушать. Существующие фотографии также могут быть импортированы, если вдруг неделю назад вы поймали неизвестную рыбу, но не знали, что это за вид и просто выкинули, сфотографировав предварительно.

FishVerify также может использовать информацию о местонахождении с вашего телефона, чтобы проверить, как много этой рыбы можно унести, не нарвавшись на штраф от рыбнадзора, сезонность этой рыбы и рекорды по улову этого вида. Приложение автоматически будет ставить геотеги ваших уловов, создавая подробный дневник того, где, когда и что вы словили. Если же рыбаку нужна конкретная рыба, то приложение подскажет, где лучше всего искать указанный вид.

Приложение FishVerify представлено на Kickstarter, где за 15 долларов и выше можно получить доступ к бета-версии уже сейчас. Доступно приложение пока только на iOS, но версия для Android уже находится в разработке.

Источник: www.gizmonews.ru

Судак

Судак, как и окунь, предпочитает лишь чистую воду, насыщенную кислородом и способствующую нормальной жизнедеятельности рыбы. Это чистая рыба без каких-либо составляющих. Прирост судака может составлять до 35 см. Его максимальный вес может достигать до 20-ти кг. Мясо судака светлое, без лишнего жира и очень вкусное, и приятное. В нем достаточно много минералов, таких как фосфор, хлор, хлор, сера, калий, фтор, кобальт, йод, а также много витамина Р. Если судить по составу, то мясо судака очень полезное.

Берш

Берш, как и судак, считается родственником окуня. Может вырастать в длину до 45 см, при весе 1,4 кг. Он встречается в реках, которые впадают в Черное и Каспийское море. В его рацион питания входит некрупная рыбка, вроде пескаря. Мясо практически такое же, как и у судака, хотя чуть помягче.

Окунь

Окунь предпочитает водоемы с чистой водой. Это могут быть реки, пруды, озера, водохранилища и т.д. Окунь является самым часто встречающимся хищником, но его никогда не найдешь там, где вода мутная и грязная. Для ловли окуня применяют довольно-таки тонкие снасти. Его ловля очень интересна и занимательная.

Ерш

Ерш имеет своеобразный внешний вид с наличием очень колючих плавников, что защищает его от хищников. Ерш так же любит чистую воду, но в зависимости от среды обитания может менять свой оттенок. Вырастает в длину не больше 18 см и набирает вес до 400 граммов. Его длина и вес напрямую зависят от кормовой базы в пруду. Его ареал обитания распространяется практически на все европейские страны. Водится он в реках, озерах, прудах и даже морях. Нерест осуществляется на протяжении 2-х дней и больше. Ерш всегда предпочитает находиться на глубине, так как не любит солнечного света.

Чоп

Эта рыба из семейства окуневых, но ее мало кто знает, так как она не водится в такой местности. Отличается удлиненным веретенообразным телом и наличием головы с выдающимся вперед рылом. Рыба не большая, не более одного фута длиной. Водится главным образом в реке Дунай и прилегающих к ней притоках. В ее рацион питания входят различные червячки, моллюски и маленькие рыбки. Нерестится рыбка чоп в апреле месяце икрой ярко желтого оттенка.

Щука

Это пресноводная рыба, которая встречается практически во всех водоемах земного шара, но только в тех, в которых имеется чистая, насыщенная кислородом вода. При снижении концентрации кислорода в воде, щука погибает. Вырастает щука в длину до полутора метров, при весе в 3,5 кг. Тело и голова щуки характеризуется удлиненной формой. Не зря ее называют подводной торпедой. Нерест щуки происходит при прогреве воды от 3-х до 6-ти градусов. Это хищная рыба и питается рыбами других видов, таких как плотва и т.д. Мясо щуки считается диетическим, поскольку содержит очень мало жира. К тому же, в мясе щуки достаточно много белка, который легко усваивается организмом человека. Щука способна прожить до 25 лет. Ее мясо можно тушить, жарить, варить, запекать, фаршировать и т.д.

Плотва

Обитает эта рыба в прудах, озерах, реках, водохранилищах. Ее цвет во многом определяется составом воды, которая имеется в данном водоеме. По внешнему виду очень схожа с красноперкой. В рацион питания плотвы входят различные водоросли, личинки различных насекомых, а также мальки рыб.

С приходом зимы, плотва уходит на зимовальные ямы. Нерестится позже щуки, где-то под конец весны. Перед началом нереста покрывается большими пупырышками. Икра этой рыбы достаточно мелкая, прозрачная, с зеленым оттенком.

Лещ

Лещ является малозаметной рыбой, но его мясо характеризуется отличными вкусовыми показателями. Его можно встретить там, где имеется тихая вода или слабое течение. Живет лещ не больше 20-ти лет, но растет очень медленно. Например, 10-ти летний экземпляр может набрать вес не больше 3-х или 4-х килограммов.

Лещ обладает темно-серебристым оттенком. Средняя продолжительность жизни составляет от 7 до 8 лет. За этот период он вырастает в длину до 41 см и имеет средний вес около 800 г. Нерестится лещ весной.

Густера

Это малоподвижный вид рыбы с голубовато-серым окрасом. Живет густера примерно 15 лет и врастает в длину до 35 см, при весе 1,2 кг. Густера, как и лещ, растет довольно медленно. Предпочитают водоемы со стоячей водой или небыстрым течением. Весной и осенью густера собирается в многочисленные стаи (густые стаи), отсюда она и получила свое название. Питается густера мелкими насекомыми и их личинками, а также моллюсками. Нерест приходится на конец весны или начало лета, когда температура воды поднимется до отметки +15ºС-+17ºС. Длится период нереста от 1 до 1,5 месяца. Мясо густеры считается не вкусным, тем более, что в нем много костей.

Сазан

Эта рыба отличается темно-желто-золотистым оттенком. Может прожить до 30-ти лет, но уже в 7-8 лет ее рост прекращается. За это время сазан успевает вырасти до 1 метра в длину и набрать вес в 3 кг. Сазан считается пресноводной рыбой, но он водится и в Каспийском море. В его рацион питания входят молодые побеги камыша, а также икра отнерестившихся рыб. С приходом осени его рацион расширяется и в него начинают входить различные насекомые и беспозвоночные.

Карп

Эта рыба относится к семейству карповых и способна прожить около ста лет. Может употреблять в пищу недоваренный картофель, хлебный мякиш или жмых. Отличительной особенностью карповых является наличие усов. Карп считается прожорливой и ненасытной рыбой. Обитает карп в реках, прудах, озерах, водохранилищах, где имеется илистое дно. Карп любит пропускать податливый ил через свой рот, в поисках различных жучков и червячков.

Нерестится карп лишь тогда, когда вода начинает прогреваться до температуры +18ºС-+20ºС. Может набрать вес до 9-ти кг. В Китае является продовольственной рыбой, а в Японии – декоративной пищей.

Очень сильная рыба. Ее ловом занимаются многие опытные рыболовы, применяя для этого мощные и надежные снасти.

Карась

Карась является самой распространенной рыбой. Он водится практически во всех водоемах, не зависимо от качества воды и концентрации в ней кислорода. Карась способен жить в водоемах, где другая рыба немедленно погибнет. Относится он к семейству карповых, а по внешнему виду схожа с сазаном, но не имеет усов. Зимой, если в воде становится очень мало кислорода, карась впадает в спячку и находится в таком состоянии до самой весны. Нерестится карась при температуре около 14-ти градусов.

Линь

Линь предпочитает водоемы с густой растительностью и покрытые густой ряской. Линь хорошо ловится с августа месяца, до наступления настоящих холодов. Мясо линя отличается прекрасными вкусовыми характеристиками. Не зря линя называют царской рыбой. Кроме того, что линя можно жарить, запекать, тушить, из него получается невероятная уха.

Голавль

Голавль считается пресноводной рыбой и водится исключительно в реках с быстрым течением. Является представителем семейства карповых. Вырастает до 80-ти см в длину и может весить при этом до 8-ми кг. Считается полужирной рыбой, так как его рацион составляют мальки рыб, различные насекомые, небольшие лягушата. Предпочитает находиться под нависшими над водой деревьями и растениями, поскольку из них очень часто падает в воду различная живность. Метает икру при температурах от +12ºС до +17ºС.

Язь

Ареал его обитания включает практически все реки и водоемы европейских государств. Предпочитает держаться на глубине, при наличии медленного течения. Зимой проявляет такую же активность, как и летом, так как в спячку не впадает. Считается достаточно выносливой рыбой. Может иметь длину от 35 до 63 см, при весе от 2-х до 2,8 кг.

Может прожить до 20 лет. Рацион питания составляет как растительная, так и животная пища. Нерест язя происходит в весенний период, при температуре воды от 2-х до 13-ти градусов.

Жерех

Так же является представителем семейства карповых видов рыб и имеет темно-синевато-серую окраску. Вырастает в длину до 120 см и может достигать веса в 12 кг. Встречается в Черном и Каспийском море. Выбирает участки с быстрым течением и избегает застоявшейся воды.

Чехонь

Встречается чехонь с серебристой, сероватой и желтой окраской. Может набирать вес до 2-х кг, при длине до 60 см. способна прожить около 9-ти лет.

Чехонь очень быстро растет и набирает вес. Водится в реках, озерах, водохранилищах и морях, таких как Балтийское море. В молодом возрасте питается зоо- и фитопланктоном, а с приходом осени переходит на питание насекомыми.

Красноперка

Красноперку и плотву легко спутать, но красноперка имеет более привлекательный внешний вид. На протяжении 19-ти лет жизни способна набрать вес в 2,4 кг, при длине в 51 см. Водится, большей частью, в реках, которые впадают в Каспийское, Азовское, Черное и Аральское моря.

Основой рациона красноперки является пища растительного и животного происхождения, но больше всего любит поедать икру моллюсков. Достаточно полезная рыба с набором минералов, таких как фосфор, хром, а также витамина Р, белков и жиров.

Подуст

У подуста длинное тело и выбирает он участки с быстрым течением. Вырастает в длину до 40 см и имеет при этом вес до 1,6 кг. Живет подуст около 10-ти лет. Питается он со дна водоема, собирая микроскопические водоросли. Распространена эта рыба по всей Европе. Нерестится при температуре воды 6-8 градусов.

Уклейка

Уклейка – это вездесущая рыба, известна практически любому человеку, который хоть один раз рыбачил с удочкой на водоеме. Относится уклейка к семейству карповых видов рыб. Может вырастать до небольших размеров в длину (12-15 см) при весе около 100 граммов. Водится в реках, впадающих в Черное, Балтийское и Азовское моря, а также в крупных водоемах с чистой, не застоявшейся водой.

Быстрянка

Это рыба, такая же как уклейка, но немного меньших размеров и веса. При длине в 10 см она может весить всего 2 грамма. Способна прожить до 6-ти лет. Питается водорослями и зоопланктоном, при этом, растет очень медленно.

Пескарь

Так же относят к семейству карповых видов рыб, и он имеет веретенообразную форму тела. Вырастает в длину до 15-22 см. Ведется в водоемах, где присутствует течение и имеется чистая вода. Питается пескарь личинками насекомых и мелкими беспозвоночными. Нерестится весной, как и большинство рыб.

Белый амур

Данный вид рыбы так же принадлежит к семейству карповых. Кормится практически пищей растительного происхождения. Может вырастать в длину до 1 м 20 см и весить при этом до 32 кг. Отличается высокими темпами роста. Распространен белый амур по всему миру.

Толстолобик

Рацион толстолобика состоит из микроскопических частиц растительного происхождения. Является крупным представителем семейства карповых. Это теплолюбивая рыба. Толстолобик располагает зубами, которые способны перемалывать растительность. Он легко поддается акклиматизации. Толстолобика выращивают искусственно.

Из-за того, что он быстро растет, он представляет интерес для промышленного разведения. Может набирать за короткое время до 8-ми кг веса. Большей частью он распространен в Средней Азии и в Китае. Нерестится весной, любит акватории, где наблюдается интенсивное течение.

Сом

Это очень крупный представитель пресноводных водоемов, способный вырастать в длину до 3 метров и весить при этом до 400 кг. Сом имеет коричневый оттенок, но не имеет чешуи. Населяет практически все водоемы Европы и России, где имеются соответствующие условия: чистая вода, наличие водной растительности и подходящая глубина.

Канальный сомик

Это небольшой представитель семейства сомовых, который предпочитает небольшие водоемы (каналы) с теплой водой. В наше время был завезен с Америки, где его там достаточно много и его ловом занимается большинство рыболовов.

Его нерест происходит в условиях, когда температура воды достигает отметки в +28ºС. Поэтому, его можно встретить лишь в южных регионах.

Угорь

Это рыба из семейства речковых угрей и предпочитает пресноводные водоемы. Это хищник, на вид похожий на змею, который водится в Балтийском, Черном, Азовском и Баренцевом морях. Предпочитает находиться на участках с глинистым дном. Рацион его питания составляют мелкие животные, раки, червячки, личинки, улитки и т.д. Способен вырастать в длину до 47 см и набирать вес до 8 кг.

Змееголов

Это теплолюбивая рыба, которая водится в водоемах, находящихся в больших климатических зонах. Его внешний вид напоминает змею. Очень сильная рыба, которую не так просто поймать.

Налим

Он является представителем трескообразных и по внешнему виду похож на сома, но до размеров сома он не дорастает. Это холодолюбивая рыба, которая ведет активный образ жизни в зимнее время. Его нерест так же приходится на зимние месяцы. Охотится в основном ночью, при этом ведет придонный образ жизни. Налим относится к промышленным видам рыб.

Вьюн

Это небольшая рыба с длинным телом, покрытой очень мелкой чешуей. Его легко можно спутать с угрем или змеей, если ни разу в жизни не приходилось его видеть. Вырастает в длину до 30 см, а то и больше, если способствуют условия роста. Водится в небольших реках или прудах, где имеется илистое дно. Предпочитает находиться ближе ко дну, а на поверхности его можно заметить во время дождя или грозы.

Голец

Голец относится к семейству лососевых видов рыб. Из-за того, что рыба не имеет чешуи она и получила свое название. Вырастает до небольших размеров. Его мясо под действием невысоких температур не уменьшается в объемах. Характеризуется наличием жирных кислот, таких как омега-3, способных противостоять воспалительным процессам.

Минога венгерская

Этот вид рыбы считается исчезающим и занесен в Красную книгу Украины. Считается промежуточным видом между паразитирующими и непаразитирующими миногами. Обитает в реках и не совершает длительных миграций. Ее можно встретить в реках Закарпатья. Предпочитает не глубокие участки с глинистым дном.

Минога украинская

Обитает в реках и питается различными видами рыб. Распространена в реках Украины. Предпочитает не глубоководные участки. Может вырастать в длину до 25 см. Размножается икрой, при температуре воды в пределах +8ºС. После нереста может прожить не больше 2-+х лет.

Стерлядь

Продолжительность жизни этой рыбы считается около 27 лет. Вырастает в длину до 1 м 25 см, набирая вес до 16 кг. Ее отличает темно-серо-коричневая окраска. В зимний период практически не питается и уходит на глубину. Имеет ценное промысловое значение.

Лосось дунайский

Эта рыба обитает только в бассейне руки Дунай и больше нигде не распространена. Относится к семейству лососевых видов рыб и является уникальным представителем рыбной фауны Украины. Лосось дунайский занесен в Красную книгу Украины и ловить его запрещено. Может прожить до 20 лет, питается, в основном, мелкой рыбкой.

Форель ручьевая

Так же относится к семейству лососевых и предпочитает реки с бурным течением и холодной водой. Вырастает в длину от 25 до 55 см, набирая при этом вес от 0,2 до 2 кг. В рацион питания форели входят небольшие рачки и личинки насекомых.

Умбра

Является представителем семейства евдошковых, достигает размеров около 10-ти см, набирая при этом вес в 300 граммов. Встречается она в бассейнах рек Дунай и Днестр. При первой же опасности зарывается в ил. Нерест происходит в марте или апреле. Любит питаться мальком и мелкими беспозвоночными.

Хариус европейский

Данная рыба вылавливается в промышленных масштабах на Едвере, Урале. Нерестится при температурах не выше +10ºС. Это хищный вид рыбы, который полюбляет реки с быстрым течением.

Вырезуб

Это пресноводная разновидность рыбы, которая относится к семейству карповых. Вырастает до 60 см в длину и набирает до 5 кг веса. Имеет рыба темную окраску и распространена в Каспийском, Черном и Азовском морях.

Речная рыба без костей

Практически отсутствуют кости:

В морском языке.
В рыбах семейства осетровых, принадлежащих к отряду хордовых.

Качества речной рыбы

Несмотря на то, что вода имеет определенную плотность, тело рыбы идеально приспособлено для передвижения в подобных условиях. И это касается не только речной, но и морской рыбы.

Как правило, ее тело имеет продолговатую, похожую на торпеду форму тела. В крайнем случае, ее тело имеет веретенообразную форму, что способствует беспрепятственному перемещению в воде. К таким рыбам относятся лососи, подусты, голавли, жерехи, чехони, сельдь и т.д. В неподвижной воде большинство рыб имеют плоское сплюснутое с двух сторон, тело. К подобным рыбам следует отнести карася, леща, красноперку, плотву и т.д.

Среди множества видов речных рыб имеются как мирные рыбы, так и настоящие хищники. Они отличаются наличием острых зубов и широкой пасти, что позволяет без особого труда заглатывать рыбу и другую живность. К подобным рыбам можно отнести щуку, налима, сома, судака, окуня и прочие. Такой хищник, как щука во время атаки способна развивать огромную начальную скорость. Другими словами, она буквально мгновенно заглатывает свою жертву. Такие хищники, как окунь, всегда охотятся стаями. Судак ведет придонный образ жизни и начинает охоту только в ночное время. Это свидетельствует о его уникальности, а точнее о его уникальном зрении. Он способен разглядеть свою жертву в абсолютной темноте.

Но существуют и маленькие хищники, которые не отличаются большим размером пасти. Хотя, такой хищник, как жерех, не имеет огромной пасти, такой как у сома, например, и он питается лишь мальком рыб.

Многие рыбы, в зависимости от условий обитания, могут иметь различный оттенок. Кроме этого, в различных водоемах может быть различная кормовая база, что может существенно влиять на размеры рыбы.

Источник: FishingDay.org