Identificación de las etapas de crecimiento de la palma Robellini a través de una red neuronal convolucional

La palmera Robellini o palmera datilera pigmea es una especie originaria de Laos. Alcanzando una altura máxima de 5 metros, es considerada una de las palmeras más exóticas y elegantes del mundo. De hecho, según el Ministerio de Colombia Agricultura y Desarrollo Rural, en el departamento colombiano d...

Full description

Autores:
Fredys Alberto, Simanca Herrera
Páez Páez, Jaime Alberto
Cortés Méndez, Jairo Augusto
Blanco Garrido, Fabián
Tipo de recurso:
Article of journal
Fecha de publicación:
2021
Institución:
Universidad Cooperativa de Colombia
Repositorio:
Repositorio UCC
Idioma:
OAI Identifier:
oai:repository.ucc.edu.co:20.500.12494/49047
Acceso en línea:
https://hdl.handle.net/20.500.12494/49047
Palabra clave:
Red neuronal
Palmera Robellini
Clasificación de imágenes
Agricultura de precisión
Neural network
Robellini palm
Image classification
Precision agriculture
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
id COOPER2_2fe7c44fb6ea420c501858fea286bb68
oai_identifier_str oai:repository.ucc.edu.co:20.500.12494/49047
network_acronym_str COOPER2
network_name_str Repositorio UCC
repository_id_str
dc.title.none.fl_str_mv Identificación de las etapas de crecimiento de la palma Robellini a través de una red neuronal convolucional
title Identificación de las etapas de crecimiento de la palma Robellini a través de una red neuronal convolucional
spellingShingle Identificación de las etapas de crecimiento de la palma Robellini a través de una red neuronal convolucional
Red neuronal
Palmera Robellini
Clasificación de imágenes
Agricultura de precisión
Neural network
Robellini palm
Image classification
Precision agriculture
title_short Identificación de las etapas de crecimiento de la palma Robellini a través de una red neuronal convolucional
title_full Identificación de las etapas de crecimiento de la palma Robellini a través de una red neuronal convolucional
title_fullStr Identificación de las etapas de crecimiento de la palma Robellini a través de una red neuronal convolucional
title_full_unstemmed Identificación de las etapas de crecimiento de la palma Robellini a través de una red neuronal convolucional
title_sort Identificación de las etapas de crecimiento de la palma Robellini a través de una red neuronal convolucional
dc.creator.fl_str_mv Fredys Alberto, Simanca Herrera
Páez Páez, Jaime Alberto
Cortés Méndez, Jairo Augusto
Blanco Garrido, Fabián
dc.contributor.author.none.fl_str_mv Fredys Alberto, Simanca Herrera
Páez Páez, Jaime Alberto
Cortés Méndez, Jairo Augusto
Blanco Garrido, Fabián
dc.subject.none.fl_str_mv Red neuronal
Palmera Robellini
Clasificación de imágenes
Agricultura de precisión
topic Red neuronal
Palmera Robellini
Clasificación de imágenes
Agricultura de precisión
Neural network
Robellini palm
Image classification
Precision agriculture
dc.subject.other.none.fl_str_mv Neural network
Robellini palm
Image classification
Precision agriculture
description La palmera Robellini o palmera datilera pigmea es una especie originaria de Laos. Alcanzando una altura máxima de 5 metros, es considerada una de las palmeras más exóticas y elegantes del mundo. De hecho, según el Ministerio de Colombia Agricultura y Desarrollo Rural, en el departamento colombiano de Cundinamarca, proximadamente 5000 hectáreas han sido plantado con flores y follaje, incluyendo esta palma. Como su principal mercado es Estados Unidos, esta palma se cultiva a altos niveles de calidad, procura y longitud de hoja correcta. Sin embargo, esto puede ser engorroso para los agricultores debido a la altura de las plantas. En este estudio, nuestro objetivo es construir un modelo de red neuronal convolucional (CNN) que pueda ayudar a Robellini Los cultivadores de palma identifican las etapas actuales de crecimiento de las plantas a través de fotografías aéreas tomadas con drones. Por lo tanto, recortar imágenes fueron colectadas y clasificadas en las cuatro etapas identificadas por el productor (semillero, siembra, desarrollo y corte) con 230 imágenes utilizadas para entrenar el modelo diseñado. Después de diferentes pruebas, la precisión de la etapa de crecimiento de Robellini Palm Se determinó que el sistema de identificación estaba entre el 85% y el 90%. Por lo tanto, la CNN diseñada clasificó satisfactoriamente la imágenes cargadas de las diferentes etapas de cultivo
publishDate 2021
dc.date.issued.none.fl_str_mv 2021
dc.date.accessioned.none.fl_str_mv 2023-03-28T19:42:27Z
dc.date.available.none.fl_str_mv 2023-03-28T19:42:27Z
dc.type.none.fl_str_mv Artículo
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.type.coarversion.none.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/article
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
format http://purl.org/coar/resource_type/c_6501
status_str publishedVersion
dc.identifier.issn.none.fl_str_mv 1819-6608
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12494/49047
dc.identifier.bibliographicCitation.none.fl_str_mv Páez, J.A.; Cortes, J.A.; Simanca, F. y Blanco, F. (2021). Identifying robellini palm growth stages through a convolutional neuronal network. ARPN Journal of Engineering and Applied Sciences. VOL. 16, NO. 13.
identifier_str_mv 1819-6608
Páez, J.A.; Cortes, J.A.; Simanca, F. y Blanco, F. (2021). Identifying robellini palm growth stages through a convolutional neuronal network. ARPN Journal of Engineering and Applied Sciences. VOL. 16, NO. 13.
url https://hdl.handle.net/20.500.12494/49047
dc.relation.isversionof.none.fl_str_mv https://scholar.google.es/citations?view_op=view_citation&hl=es&user=dhHrDtQAAAAJ&sortby=pubdate&citation_for_view=dhHrDtQAAAAJ:g5m5HwL7SMYC
dc.relation.ispartofjournal.none.fl_str_mv ARPN Journal of Engineering and Applied Sciences
dc.relation.references.none.fl_str_mv A. Krizhevsky, I. Sutskever y G. E. Hinton. 2017. «ImageNet classification with deep convolutional neural networks» Communications of the ACM. 60(6): 84-90.
ambientessostenibles.com, «ambientessostenibles.com,» ambientessostenibles.com, [En línea]. Available: https://www.ambientessostenibles.com/producto/palm arobelina/#:~:text=Es%20una%20de%20las%20palmer as,Su%20crecimiento%20es%20lento. [Último acceso: 30 04 2021].
A. L. A. R. Subashini Panchanathan. 2015. «MyGeoExplorer: A Semantic Search Tool For Querying Geospatial Information» Arpn Journal o
V. A. Berrío Meneses, J. Mosquera Téllez y D. F. Alzate Velasquez. 2015. «Use of drones for multispectral image analysis in precision agriculture» @limentech. 13(1): 28-40
W. F. Moreno, H. I. Tangarife y A. Escobar Díaz. 2017. «Image analysis aplications in precision agriculture» Visi´on Electr´onica. 11(2): 200-210.
M. Dholu y K. A. Ghodinde. 2018. «Internet of Things (IoT) for Precision Agriculture Application» de Proceedings of the 2nd International Conference on Trends in Electronics and Informatics, Pune-India.
DGIAR. 2015. Manual del cálculo de eficiencia para Sistemas de Riego [Irrigation System Efficiency Calculation Guidelines], Lima: DGIAR.
]A. N. Rao y L. Jagdish. 2012. «Economic weed management approaches for rice in Asia» ARPN Journal of Agricultural and Biological Science. 7(7): 508.
G. A. M. A. F. S. Adrian Gonzales. 2015. Drones Aplicados a la Agricultura de Precisión [Drones applied to Precision Agriculture], Bogotá
A. Kamilaris y F. X. Prenafeta-Boldú. 2018. «Deep learning in agriculture: A survey,» Computers and Electronics in Agriculture. 147(1): 70-90
resources.arcgis.com, «resources.arcgis.com» [En línea]. Available: https://resources.arcgis.com/es/communities/python/0 1r500000005000000.htm. [Último acceso: 03 05 2021].
Health Big Data. 2021. «juanbarrios.com,» Health Big Data. [En línea]. Available: https://www.juanbarrios.com/redes-neuralesconvolucionales/. [Último acceso: 29 04 2021].
J. Morales. 2009. «Infojardin,» 25 03. [En línea]. Available: http://archivo.infojardin.com/tema/phoenixroebelenii-danada-por-un-invierno-tan-lluvioso-yfrio-fotos.136051/. [Último acceso: 17 Enero 2019]
J. Barros Sierra, «http://www.seminis.mx,» 5 Junio 2017. [En línea]. Available: http://www.seminis.mx/blog-como-afectan-las-altastemperaturas-nuestros-cultivos/. [Último acceso: 30 05 2021].
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
dc.coverage.temporal.none.fl_str_mv VOL. 16, NO. 13
dc.publisher.none.fl_str_mv Universidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería de Sistemas, Bogotá
dc.publisher.program.none.fl_str_mv Ingeniería de Sistemas
dc.publisher.place.none.fl_str_mv Bogotá
publisher.none.fl_str_mv Universidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería de Sistemas, Bogotá
institution Universidad Cooperativa de Colombia
bitstream.url.fl_str_mv https://repository.ucc.edu.co/bitstreams/56f85f6f-809b-4afd-a1c6-1d28a9eee4ba/download
bitstream.checksum.fl_str_mv 3bce4f7ab09dfc588f126e1e36e98a45
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Cooperativa de Colombia
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1814247090011766784
spelling Fredys Alberto, Simanca HerreraPáez Páez, Jaime AlbertoCortés Méndez, Jairo AugustoBlanco Garrido, FabiánVOL. 16, NO. 132023-03-28T19:42:27Z2023-03-28T19:42:27Z20211819-6608https://hdl.handle.net/20.500.12494/49047Páez, J.A.; Cortes, J.A.; Simanca, F. y Blanco, F. (2021). Identifying robellini palm growth stages through a convolutional neuronal network. ARPN Journal of Engineering and Applied Sciences. VOL. 16, NO. 13.La palmera Robellini o palmera datilera pigmea es una especie originaria de Laos. Alcanzando una altura máxima de 5 metros, es considerada una de las palmeras más exóticas y elegantes del mundo. De hecho, según el Ministerio de Colombia Agricultura y Desarrollo Rural, en el departamento colombiano de Cundinamarca, proximadamente 5000 hectáreas han sido plantado con flores y follaje, incluyendo esta palma. Como su principal mercado es Estados Unidos, esta palma se cultiva a altos niveles de calidad, procura y longitud de hoja correcta. Sin embargo, esto puede ser engorroso para los agricultores debido a la altura de las plantas. En este estudio, nuestro objetivo es construir un modelo de red neuronal convolucional (CNN) que pueda ayudar a Robellini Los cultivadores de palma identifican las etapas actuales de crecimiento de las plantas a través de fotografías aéreas tomadas con drones. Por lo tanto, recortar imágenes fueron colectadas y clasificadas en las cuatro etapas identificadas por el productor (semillero, siembra, desarrollo y corte) con 230 imágenes utilizadas para entrenar el modelo diseñado. Después de diferentes pruebas, la precisión de la etapa de crecimiento de Robellini Palm Se determinó que el sistema de identificación estaba entre el 85% y el 90%. Por lo tanto, la CNN diseñada clasificó satisfactoriamente la imágenes cargadas de las diferentes etapas de cultivoThe Robellini palm or Pygmy date palm is a species native to Laos. Reaching a maximum height of 5 meters, it is considered one of the most exotic and elegant palms in the world. In fact, according to the Colombian Ministry of Agriculture and Rural Development, in the Colombian department of Cundinamarca, approximately 5000 hectares have been planted with flowers and foliage, including this palm. As its main market is the United States, this palm is grown at high levels of quality, procuring, and the correct leaf length. However, this can be cumbersome for the farmers owing to the height of the plants. In this study, we aim to build a convolutional neural network (CNN) model that can help Robellini Palm farmers identify current plant growth stages through aerial photographs taken with drones. Therefore, crop images were collected and classified into the four stages identified by the grower (seedbed, sowing, development and cutting) with 230 images used to train the model designed. After different tests, the accuracy of the Robellini Palm growth stage identification system was determined to be between 85% and 90%. Hence, the designed CNN satisfactorily classified the images loaded from the different crop stages.https://www.researchgate.net/profile/Jairo-Cortes-Mendezhttps://co.linkedin.com/in/jaime-alberto-paez-paez-49548823https://orcid.org/0000-0002-7312-0180jaime.paez@campusucc.edu.cofredys.simanca@campusucc.edu.cojairo.cortes@campusucc.edu.cohttps://scholar.google.com/citations?user=7SOhB48AAAAJ&hl=eshttps://scholar.google.es/citations?hl=es&user=dhHrDtQAAAAJ&view_op=list_works&sortby=pubdateUniversidad Cooperativa de Colombia, Facultad de Ingenierías, Ingeniería de Sistemas, BogotáIngeniería de SistemasBogotáhttps://scholar.google.es/citations?view_op=view_citation&hl=es&user=dhHrDtQAAAAJ&sortby=pubdate&citation_for_view=dhHrDtQAAAAJ:g5m5HwL7SMYCARPN Journal of Engineering and Applied SciencesA. Krizhevsky, I. Sutskever y G. E. Hinton. 2017. «ImageNet classification with deep convolutional neural networks» Communications of the ACM. 60(6): 84-90.ambientessostenibles.com, «ambientessostenibles.com,» ambientessostenibles.com, [En línea]. Available: https://www.ambientessostenibles.com/producto/palm arobelina/#:~:text=Es%20una%20de%20las%20palmer as,Su%20crecimiento%20es%20lento. [Último acceso: 30 04 2021].A. L. A. R. Subashini Panchanathan. 2015. «MyGeoExplorer: A Semantic Search Tool For Querying Geospatial Information» Arpn Journal oV. A. Berrío Meneses, J. Mosquera Téllez y D. F. Alzate Velasquez. 2015. «Use of drones for multispectral image analysis in precision agriculture» @limentech. 13(1): 28-40W. F. Moreno, H. I. Tangarife y A. Escobar Díaz. 2017. «Image analysis aplications in precision agriculture» Visi´on Electr´onica. 11(2): 200-210.M. Dholu y K. A. Ghodinde. 2018. «Internet of Things (IoT) for Precision Agriculture Application» de Proceedings of the 2nd International Conference on Trends in Electronics and Informatics, Pune-India.DGIAR. 2015. Manual del cálculo de eficiencia para Sistemas de Riego [Irrigation System Efficiency Calculation Guidelines], Lima: DGIAR.]A. N. Rao y L. Jagdish. 2012. «Economic weed management approaches for rice in Asia» ARPN Journal of Agricultural and Biological Science. 7(7): 508.G. A. M. A. F. S. Adrian Gonzales. 2015. Drones Aplicados a la Agricultura de Precisión [Drones applied to Precision Agriculture], BogotáA. Kamilaris y F. X. Prenafeta-Boldú. 2018. «Deep learning in agriculture: A survey,» Computers and Electronics in Agriculture. 147(1): 70-90resources.arcgis.com, «resources.arcgis.com» [En línea]. Available: https://resources.arcgis.com/es/communities/python/0 1r500000005000000.htm. [Último acceso: 03 05 2021].Health Big Data. 2021. «juanbarrios.com,» Health Big Data. [En línea]. Available: https://www.juanbarrios.com/redes-neuralesconvolucionales/. [Último acceso: 29 04 2021].J. Morales. 2009. «Infojardin,» 25 03. [En línea]. Available: http://archivo.infojardin.com/tema/phoenixroebelenii-danada-por-un-invierno-tan-lluvioso-yfrio-fotos.136051/. [Último acceso: 17 Enero 2019]J. Barros Sierra, «http://www.seminis.mx,» 5 Junio 2017. [En línea]. Available: http://www.seminis.mx/blog-como-afectan-las-altastemperaturas-nuestros-cultivos/. [Último acceso: 30 05 2021].Red neuronalPalmera RobelliniClasificación de imágenesAgricultura de precisiónNeural networkRobellini palmImage classificationPrecision agricultureIdentificación de las etapas de crecimiento de la palma Robellini a través de una red neuronal convolucionalArtículohttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2PublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-84334https://repository.ucc.edu.co/bitstreams/56f85f6f-809b-4afd-a1c6-1d28a9eee4ba/download3bce4f7ab09dfc588f126e1e36e98a45MD5120.500.12494/49047oai:repository.ucc.edu.co:20.500.12494/490472024-08-10 20:59:57.94metadata.onlyhttps://repository.ucc.edu.coRepositorio Institucional Universidad Cooperativa de Colombiabdigital@metabiblioteca.comVU5JVkVSU0lEQUQgQ09PUEVSQVRJVkEgREUgQ09MT01CSUEKUkVQT1NJVE9SSU9TIElOU1RJVFVDSU9OQUxFUwpMSUNFTkNJQSBERSBVU08KClBvciBtZWRpbyBkZWwgcHJlc2VudGUgZG9jdW1lbnRvLCBlbCBBdXRvcihlcyksIG1heW9yIChlcykgZGUgZWRhZCwgcXVpZW4gZW4gYWRlbGFudGUgc2UgZGVub21pbmFyw6EgZWwgQVVUT1IsIGNvbmZpZXJlIGEgbGEgVU5JVkVSU0lEQUQgQ09PUEVSQVRJVkEgREUgQ09MT01CSUEsIGNvbiBOSVQuIDg2MC0wMjk5MjQtNywgdW5hIExJQ0VOQ0lBIERFIFVTTyBkZSBvYnJhLCBiYWpvIGxhcyBzaWd1aWVudGVzIGNvbmRpY2lvbmVzLgoKQ0zDgVVTVUxBUwoKUFJJTUVSQS4gT2JqZXRvLiBFTCBBVVRPUiBwb3IgZXN0ZSBhY3RvIGF1dG9yaXphIGxhIHV0aWxpemFjacOzbiBkZSBsYSBvYnJhLCBkZSBjb25mb3JtaWRhZCBjb24gbG8gZXN0aXB1bGFkbyBhIGNvbnRpbnVhY2nDs246IAoKKGEpIFBhcmEgZWZlY3RvcyBkZSBsYSBwcmVzZW50ZSBsaWNlbmNpYSBzZSBhdXRvcml6YSBsYSByZXByb2R1Y2Npw7NuIGRlIGxhIG9icmEgYW50ZXJpb3JtZW50ZSBjaXRhZGEsIGxhIGN1YWwgc2UgYWxvamFyw6EgZW4gZm9ybWF0byBkaWdpdGFsIGVuIGxhcyBwbGF0YWZvcm1hcyBvIHJlcG9zaXRvcmlvcyBhZG1pbmlzdHJhZG9zIHBvciBsYSBVTklWRVJTSURBRCBvIGVuIG90cm8gdGlwbyBkZSByZXBvc2l0b3Jpb3MgZXh0ZXJub3MgbyBww6FnaW5hcyB3ZWIgZXNjb2dpZG9zIHBvciBsYSBVTklWRVJTSURBRCwgcGFyYSBmaW5lcyBkZSBkaWZ1c2nDs24geSBkaXZ1bGdhY2nDs24uIEFkaWNpb25hbG1lbnRlLCBzZSBhdXRvcml6YSBhIHF1ZSBsb3MgdXN1YXJpb3MgaW50ZXJub3MgeSBleHRlcm5vcyBkZSBkaWNoYXMgcGxhdGFmb3JtYXMgbyByZXBvc2l0b3Jpb3MgcmVwcm9kdXpjYW4gbyBkZXNjYXJndWVuIGxhIG9icmEsIHNpbiDDoW5pbW8gZGUgbHVjcm8sIHBhcmEgZmluZXMgcHJpdmFkb3MsIGVkdWNhdGl2b3MgbyBhY2Fkw6ltaWNvczsgc2llbXByZSB5IGN1YW5kbyBubyBzZSB2aW9sZW4gYWN1ZXJkb3MgY29uIGVkaXRvcmVzLCBwZXJpb2RvcyBkZSBlbWJhcmdvIG8gYWN1ZXJkb3MgZGUgY29uZmlkZW5jaWFsaWRhZCBxdWUgYXBsaXF1ZW4uCgooYikgU2UgYXV0b3JpemEgbGEgY29tdW5pY2FjacOzbiBww7pibGljYSB5IGxhIHB1ZXN0YSBhIGRpc3Bvc2ljacOzbiBkZSBsYSBvYnJhIG1lbmNpb25hZGEsIGVuIGFjY2VzbyBhYmllcnRvLCBwYXJhIHN1IHV0aWxpemFjacOzbiBlbiBsYXMgcGxhdGFmb3JtYXMgbyByZXBvc2l0b3Jpb3MgYWRtaW5pc3RyYWRvcyBwb3IgbGEgVU5JVkVSU0lEQUQuCgooYykgTG8gYW50ZXJpb3IgZXN0YXLDoSBzdWpldG8gYSBsYXMgZGVmaW5pY2lvbmVzIGNvbnRlbmlkYXMgZW4gbGEgRGVjaXNpw7NuIEFuZGluYSAzNTEgZGUgMTk5MyB5IGxhIExleSAyMyBkZSAxOTgyLgoKClNFR1VOREEuIE9yaWdpbmFsaWRhZCB5IHJlY2xhbWFjaW9uZXMuIEVsIEFVVE9SIGRlY2xhcmEgcXVlIGxhIE9CUkEgZXMgb3JpZ2luYWwgeSBxdWUgZXMgZGUgc3UgY3JlYWNpw7NuIGV4Y2x1c2l2YSwgbm8gZXhpc3RpZW5kbyBpbXBlZGltZW50byBkZSBjdWFscXVpZXIgbmF0dXJhbGV6YSAoZW1iYXJnb3MsIHVzbyBkZSBtYXRlcmlhbCBwcm90ZWdpZG8gcG9yIGRlcmVjaG9zIGRlIGF1dG9yKSBwYXJhIGxhIGNvbmNlc2nDs24gZGUgbG9zIGRlcmVjaG9zIHByZXZpc3RvcyBlbiBlc3RlIGFjdWVyZG8uIEVsIEFVVE9SIHJlc3BvbmRlcsOhIHBvciBjdWFscXVpZXIgYWNjacOzbiBkZSByZWl2aW5kaWNhY2nDs24sIHBsYWdpbyB1IG90cmEgY2xhc2UgZGUgcmVjbGFtYWNpw7NuIHF1ZSBhbCByZXNwZWN0byBwdWRpZXJhIHNvYnJldmVuaXIuCgpURVJDRVJBLiBDb250cmFwcmVzdGFjacOzbi4gRWwgQVVUT1IgYXV0b3JpemEgYSBxdWUgc3Ugb2JyYSBzZWEgdXRpbGl6YWRhIGRlIGNvbmZvcm1pZGFkIGNvbiBsYSBjbMOhdXN1bGEgUFJJTUVSQSBkZSBmb3JtYSBncmF0dWl0YSwgZXMgZGVjaXIsIHF1ZSBsYSB1dGlsaXphY2nDs24gZGUgbGEgbWlzbWEgbm8gZ2VuZXJhIG5pbmfDum4gcGFnbyBvIHJlZ2Fsw61hcyBlbiBmYXZvciBkZSBlc3RlLgoKQ1VBUlRBLiBUaXR1bGFyaWRhZCBkZSBkZXJlY2hvcy4gRWwgcHJlc2VudGUgY29udHJhdG8gbm8gdHJhbnNmaWVyZSBsYSB0aXR1bGFyaWRhZCBkZSBsb3MgZGVyZWNob3MgcGF0cmltb25pYWxlcyBzb2JyZSBsYXMgb2JyYXMgYW50ZXJpb3JtZW50ZSBtZW5jaW9uYWRhcyBhIGxhIFVOSVZFUlNJREFELiDDmm5pY2FtZW50ZSBoYWNlIHJlbGFjacOzbiBhIHVuYSBsaWNlbmNpYSBubyBleGNsdXNpdmEgZW4gbG9zIHTDqXJtaW5vcyB5IGNvbmRpY2lvbmVzIGFudGVyaW9ybWVudGUgcGFjdGFkb3MuCgpRVUlOVEEuIENyw6lkaXRvcy4gTGEgVU5JVkVSU0lEQUQgc2UgY29tcHJvbWV0ZSBhIGRhciBhbCBBVVRPUiwgZWwgcmVjb25vY2ltaWVudG8gZGVudHJvIGNhZGEgZm9ybWEgZGUgdXRpbGl6YWNpw7NuIGVuIGxhIG9icmEuIExvcyBjcsOpZGl0b3MgZGViZW4gZmlndXJhciBlbiBjYWRhIHVubyBkZSBsb3MgZm9ybWF0b3MgbyByZWdpc3Ryb3MgZGUgcHVibGljYWNpw7NuLiBObyBjb25zdGl0dWlyw6EgdW5hIHZpb2xhY2nDs24gYSBsb3MgZGVyZWNob3MgbW9yYWxlcyBkZWwgYXV0b3IgbGEgbm8gcmVwcm9kdWNjacOzbiwgY29tdW5pY2FjacOzbiBvIGRlbcOhcyB1dGlsaXphY2lvbmVzIGRlIGxhIG9icmEuIExhIHV0aWxpemFjacOzbiBvIG5vIGRlIGxhIG9icmEsIGFzw60gY29tbyBzdSBmb3JtYSBkZSB1dGlsaXphY2nDs24gc2Vyw6EgZmFjdWx0YWQgZXhjbHVzaXZhIGRlIGxhIFVOSVZFUlNJREFELgogClNFWFRBLiBEdXJhY2nDs24geSB0ZXJyaXRvcmlvLiBMYSBwcmVzZW50ZSBsaWNlbmNpYSBkZSB1c28gcXVlIHNlIG90b3JnYSBhIGZhdm9yIGRlIGxhIFVOSVZFUlNJREFEIHRlbmRyw6EgdW5hIGR1cmFjacOzbiBlcXVpdmFsZW50ZSBhbCB0w6lybWlubyBkZSBwcm90ZWNjacOzbiBsZWdhbCBkZSBsYSBvYnJhIHkgcGFyYSB0b2RvcyBsb3MgcGHDrXNlcyBkZWwgbXVuZG8uCgpTw4lQVElNQS4gVXNvIGRlIENyZWF0aXZlIENvbW1vbnMuIEVsIEFVVE9SIGF1dG9yaXphcsOhIGxhIGRpZnVzacOzbiBkZSBzdSBjb250ZW5pZG8gYmFqbyB1bmEgbGljZW5jaWEgQ3JlYXRpdmUgQ29tbW9ucyBhdHJpYnVjacOzbiA0LjAgaW50ZXJuYWNpb25hbCwgcXVlIGRlYmVyw6EgaW5jbHVpcnNlIGVuIGVsIGNvbnRlbmlkby4gCgpPQ1RBVkEuIERlcmVjaG8gZGUgZXhjbHVzacOzbi4gQ2FkYSBhdXRvciBwdWVkZSBpbmRpY2FyIGVuIGVsIG1vbWVudG8gZGUgZGVww7NzaXRvIGRlbCBjb250ZW5pZG8gcXVlIGVsIHRleHRvIGNvbXBsZXRvIGRlIGxhIHByb2R1Y2Npw7NuIGFjYWTDqW1pY2EgbyBjaWVudMOtZmljYSBubyBlc3RlIGNvbiBhY2Nlc28gYWJpZXJ0byBlbiBlbCBSZXBvc2l0b3JpbyBJbnN0aXR1Y2lvbmFsIHBvciBtb3Rpdm9zIGRlIGNvbmZpZGVuY2lhbGlkYWQsIHBvcnF1ZSBzZSBlbmN1ZW50cmUgZW4gdsOtYXMgZGUgb2J0ZW5lciB1biBkZXJlY2hvIGRlIHByb3BpZWRhZCBpbmR1c3RyaWFsIG8gZXhpc3RpciBhY3VlcmRvcyBwcmV2aW9zIGNvbiB0ZXJjZXJvcyAoZWRpdG9yaWFsZXMsIHJldmlzdGFzIGNpZW50w61maWNhcywgb3RyYXMgaW5zdGl0dWNpb25lcykuIEVsIGF1dG9yIHNlIGNvbXByb21ldGUgYSBkZXBvc2l0YXIgbG9zIG1ldGFkYXRvcyBlIGluZm9ybWFyIGVsIHRpZW1wbyBkZSBlbWJhcmdvIGR1cmFudGUgZWwgY3VhbCBlbCB0ZXh0byBjb21wbGV0byB0ZW5kcsOhIGFjY2VzbyByZXN0cmluZ2lkby4gCgpOT1ZFTkEuIEVsIEFVVE9SIGFsIGFjZXB0YXIgZXN0YSBsaWNlbmNpYSBhZHVjZSBxdWUgZXN0YSBwcm9kdWNjacOzbiBzZSBkZXNhcnJvbGzDsyBlbiBlbCBwZXJpb2RvIGVuIHF1ZSBzZSBlbmN1ZW50cmEgY29uIHbDrW5jdWxvcyBjb24gTGEgVW5pdmVyc2lkYWQuCgpEw4lDSU1BLiBOb3JtYXMgYXBsaWNhYmxlcy4gUGFyYSBsYSBpbnRlcnByZXRhY2nDs24geSBjdW1wbGltaWVudG8gZGVsIHByZXNlbnRlIGFjdWVyZG8gbGFzIHBhcnRlcyBzZSBzb21ldGVuIGEgbGEgRGVjaXNpw7NuIEFuZGluYSAzNTEgZGUgMTk5MywgbGEgTGV5IDIzIGRlIDE5ODIgeSBkZW3DoXMgbm9ybWFzIGFwbGljYWJsZXMgZGUgQ29sb21iaWEuIEFkZW3DoXMsIGEgbGFzIG5vcm1hcyBJbnN0aXR1Y2lvbmFsZXMgcXVlIGFwbGlxdWVuLgoKTGEgcHJlc2VudGUgbGljZW5jaWEgc2UgYXV0b3JpemEgZW4gbGEgZmVjaGEgZGUgcHVibGljYWNpw7NuIGVuIGxvcyByZXBvc2l0b3Jpb3MgaW5zdGl0dWNpb25hbGVzLgo=

Publicaciones similares