Este estudio aborda el desafío de identificar con precisión las especies de peces utilizando técnicas de aprendizaje automático y clasificación de imágenes. El objetivo principal es desarrollar un algoritmo innovador que pueda identificar dinámicamente las especies de peces invasoras más comunes (dentro de las aguas costeras de Malta) basándose en las imágenes disponibles. En particular, estas incluyen Fistularia commersonii, Lobotes surinamensis, Pomadasys incisus, Siganus luridus y Stephanolepis diaspros, que han sido adoptadas como las especies objetivo de este estudio. A través del uso de modelos de aprendizaje automático y aprendizaje por transferencia, la solución propuesta busca permitir un reconocimiento preciso de especies en el momento. La metodología implicó la recolección y organización de imágenes, así como el entrenamiento de los modelos con conjuntos de datos consistentes para garantizar resultados comparables. Después de probar varios modelos, se encontró que ResNet18 era el más preciso y confiable, seguido de cerca por YOLO v8. Si bien el rendimiento de YOLO fue razonablemente bueno, mostró menos consistencia en sus resultados. Estos resultados subrayan el potencial del algoritmo desarrollado para ayudar significativamente a la investigación en biología marina, incluidas las iniciativas de ciencia ciudadana, y promover los esfuerzos de gestión ambiental a través de la identificación precisa de especies de peces.