Implementación de un sistema embebido para la clasificación de fuentes de ruido ambiental urbano utilizando técnicas de TinyML en un entorno acústico de Bogotá

El aumento del ruido urbano, derivado del desarrollo continuo de actividades económicas y sociales en las ciudades, se ha convertido en una preocupación diaria con un impacto negativo en la población. Estudios presentados por la Secretaría Distrital de Ambiente (SDA) de Bogotá, Colombia indican que...

Full description

Autores:
Tipo de recurso:
Fecha de publicación:
2024
Institución:
Universidad del Rosario
Repositorio:
Repositorio EdocUR - U. Rosario
Idioma:
spa
OAI Identifier:
oai:repository.urosario.edu.co:10336/43386
Acceso en línea:
https://repository.urosario.edu.co/handle/10336/43386
Palabra clave:
TinyML
YAMNet
Clasificación fuentes de ruido
Entorno acústico
Estaciones de monitoreo
TinyML
YAMNet
Noise sources classification
Acoustic environment
Monitoring stations
Rights
License
Attribution-NonCommercial 4.0 International
id EDOCUR2_dfa3c9bdc8bf901470cbc03afe46ad14
oai_identifier_str oai:repository.urosario.edu.co:10336/43386
network_acronym_str EDOCUR2
network_name_str Repositorio EdocUR - U. Rosario
repository_id_str
dc.title.none.fl_str_mv Implementación de un sistema embebido para la clasificación de fuentes de ruido ambiental urbano utilizando técnicas de TinyML en un entorno acústico de Bogotá
dc.title.TranslatedTitle.none.fl_str_mv Implementation of an embedded system for the classification of urban environmental noise sources using TinyML techniques in an acoustic environment of Bogotá
title Implementación de un sistema embebido para la clasificación de fuentes de ruido ambiental urbano utilizando técnicas de TinyML en un entorno acústico de Bogotá
spellingShingle Implementación de un sistema embebido para la clasificación de fuentes de ruido ambiental urbano utilizando técnicas de TinyML en un entorno acústico de Bogotá
TinyML
YAMNet
Clasificación fuentes de ruido
Entorno acústico
Estaciones de monitoreo
TinyML
YAMNet
Noise sources classification
Acoustic environment
Monitoring stations
title_short Implementación de un sistema embebido para la clasificación de fuentes de ruido ambiental urbano utilizando técnicas de TinyML en un entorno acústico de Bogotá
title_full Implementación de un sistema embebido para la clasificación de fuentes de ruido ambiental urbano utilizando técnicas de TinyML en un entorno acústico de Bogotá
title_fullStr Implementación de un sistema embebido para la clasificación de fuentes de ruido ambiental urbano utilizando técnicas de TinyML en un entorno acústico de Bogotá
title_full_unstemmed Implementación de un sistema embebido para la clasificación de fuentes de ruido ambiental urbano utilizando técnicas de TinyML en un entorno acústico de Bogotá
title_sort Implementación de un sistema embebido para la clasificación de fuentes de ruido ambiental urbano utilizando técnicas de TinyML en un entorno acústico de Bogotá
dc.contributor.advisor.none.fl_str_mv Sarmiento Rojas, Jefferson
Aya Parra, Pedro Antonio
dc.subject.none.fl_str_mv TinyML
YAMNet
Clasificación fuentes de ruido
Entorno acústico
Estaciones de monitoreo
topic TinyML
YAMNet
Clasificación fuentes de ruido
Entorno acústico
Estaciones de monitoreo
TinyML
YAMNet
Noise sources classification
Acoustic environment
Monitoring stations
dc.subject.keyword.none.fl_str_mv TinyML
YAMNet
Noise sources classification
Acoustic environment
Monitoring stations
description El aumento del ruido urbano, derivado del desarrollo continuo de actividades económicas y sociales en las ciudades, se ha convertido en una preocupación diaria con un impacto negativo en la población. Estudios presentados por la Secretaría Distrital de Ambiente (SDA) de Bogotá, Colombia indican que al menos el 11.8% de la población está expuesta a niveles de ruido que exceden las recomendaciones de la Organización Mundial de la Salud . El objetivo principal del proyecto de investigación es diseñar una herramienta de clasificación inteligente que permita identificar y categorizar diferentes fuentes de ruido en tiempo real. El sistema implementado está basado en dispositivos de bajo consumo energético equipados con sensores de audio y capacidad de procesamiento (TinyML). Se utilizó el modelo YAMNet, optimizado para las condiciones específicas de Bogotá, logrando una clasificación precisa de las fuentes de ruido en clases como alarmas, ambiente, aplausos, aviones, actividades humanas, impactos, motocicletas y vehículos pesados. Los resultados obtenidos muestran que en el entorno acústico objeto de estudio los ruidos de vehículos pesados y motocicletas constituyen una gran parte del ruido ambiental en el sector. Además, los aviones, aunque menos frecuentes, permiten establecer que una gran cantidad de eventos (87%) se encuentran por encima del estándar máximo permisible para el sector llegando a eventos de hasta 88.4 dBA. En conclusión, esta investigación demuestra que el uso de TinyML para la clasificación de fuentes de ruido urbano es una estrategia viable y efectiva. La metodología desarrollada facilita una gestión más eficiente del ruido urbano, proporcionando una base sólida para futuras investigaciones y desarrollos tecnológicos, con el potencial de mejorar significativamente la calidad de vida en entornos urbanos.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-09-11T11:12:13Z
dc.date.available.none.fl_str_mv 2024-09-11T11:12:13Z
dc.date.created.none.fl_str_mv 2024-07-19
dc.date.embargoEnd.none.fl_str_mv info:eu-repo/date/embargoEnd/2026-09-13
dc.type.none.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.document.none.fl_str_mv Trabajo de grado
dc.type.spa.none.fl_str_mv Trabajo de grado
dc.identifier.uri.none.fl_str_mv https://repository.urosario.edu.co/handle/10336/43386
url https://repository.urosario.edu.co/handle/10336/43386
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.*.fl_str_mv Attribution-NonCommercial 4.0 International
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_f1cf
dc.rights.acceso.none.fl_str_mv Restringido (Temporalmente bloqueado)
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
rights_invalid_str_mv Attribution-NonCommercial 4.0 International
Restringido (Temporalmente bloqueado)
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_f1cf
dc.format.extent.none.fl_str_mv 108 pp
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad del Rosario
dc.publisher.department.none.fl_str_mv Escuela de Ingeniería, Ciencia y Tecnología
Facultad de Estudios Internacionales, Políticos y Urbanos
dc.publisher.program.none.fl_str_mv Maestría en Ciudades Inteligentes y Sostenibles
publisher.none.fl_str_mv Universidad del Rosario
institution Universidad del Rosario
dc.source.bibliographicCitation.none.fl_str_mv He, Kaiming; Zhang, Xiangyu; Ren, Shaoqing; Sun, Jian (2016) Deep Residual Learning for Image Recognition. En: 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). pp. 770 - 778; IEEE; 978-1-4673-8851-1; Consultado en: 2023/09/05/23:44:27. Disponible en: http://ieeexplore.ieee.org/document/7780459/. Disponible en: 10.1109/CVPR.2016.90.
Mesaros, Annamaria; Heittola, Toni; Virtanen, Tuomas (2016) TUT database for acoustic scene classification and sound event detection. En: 2016 24th European Signal Processing Conference (EUSIPCO). pp. 1128 - 1132; IEEE; 978-0-9928626-5-7; Consultado en: 2023/09/05/23:44:34. Disponible en: http://ieeexplore.ieee.org/document/7760424/. Disponible en: 10.1109/EUSIPCO.2016.7760424.
Piczak, Karol J. (2015) ESC: Dataset for Environmental Sound Classification. En: MM '15: ACM Multimedia Conference. pp. 1015 - 1018; ACM; 978-1-4503-3459-4; Consultado en: 2023/09/05/23:44:55. Disponible en: https://dl.acm.org/doi/10.1145/2733373.2806390. Disponible en: 10.1145/2733373.2806390.
Piczak, Karol J. (2015) Environmental sound classification with convolutional neural networks. En: 2015 IEEE 25th International Workshop on Machine Learning for Signal Processing (MLSP). pp. 1 - 6; IEEE; 978-1-4673-7454-5; Consultado en: 2023/09/05/23:44:59. Disponible en: http://ieeexplore.ieee.org/document/7324337/. Disponible en: 10.1109/MLSP.2015.7324337.
Salamon, Justin; Jacoby, Christopher; Bello, Juan Pablo (2014) A Dataset and Taxonomy for Urban Sound Research. En: MM '14: 2014 ACM Multimedia Conference. pp. 1041 - 1044; ACM; 978-1-4503-3063-3; Consultado en: 2023/09/05/23:45:05. Disponible en: https://dl.acm.org/doi/10.1145/2647868.2655045. Disponible en: 10.1145/2647868.2655045.
Stowell, Dan; Giannoulis, Dimitrios; Benetos, Emmanouil; Lagrange, Mathieu; Plumbley, Mark D. (2015) Detection and Classification of Acoustic Scenes and Events. En: IEEE Transactions on Multimedia. Vol. 17; No. 10; pp. 1733 - 1746; 1520-9210, 1941-0077; Consultado en: 2023/09/05/23:45:10. Disponible en: http://ieeexplore.ieee.org/document/7100934/. Disponible en: 10.1109/TMM.2015.2428998.
Su, Yu; Zhang, Ke; Wang, Jingyu; Madani, Kurosh (2019) Environment Sound Classification Using a Two-Stream CNN Based on Decision-Level Fusion. En: Sensors. Vol. 19; No. 7; pp. 1733 1424-8220; Consultado en: 2023/09/05/23:45:15. Disponible en: https://www.mdpi.com/1424-8220/19/7/1733. Disponible en: 10.3390/s19071733.
Zhang, Zhichao; Xu, Shugong; Cao, Shan; Zhang, Shunqing; Lai, Jian-Huang; Liu, Cheng-Lin; Chen, Xilin; Zhou, Jie; Tan, Tieniu; Zheng, Nanning; Zha, Hongbin (2018) Deep Convolutional Neural Network with Mixup for Environmental Sound Classification. En: Pattern Recognition and Computer Vision. Vol. 11257; pp. 356 - 367; Cham: Springer International Publishing; 978-3-030-03334-7 978-3-030-03335-4; Consultado en: 2023/09/05/23:45:20. Disponible en: http://link.springer.com/10.1007/978-3-030-03335-4_31.
Barchiesi, Daniele; Giannoulis, Dimitrios; Stowell, Dan; Plumbley, Mark D. (2015) Acoustic Scene Classification: Classifying environments from the sounds they produce. En: IEEE Signal Processing Magazine. Vol. 32; No. 3; pp. 16 - 34; 1053-5888; Consultado en: 2023/09/05/23:45:22. Disponible en: https://ieeexplore.ieee.org/document/7078982. Disponible en: 10.1109/MSP.2014.2326181.
Ministerio de Ambiente; INDICE DE CALIDAD AMBIENTAL URBANA-ICAU.
Quiroz-Arcentales, Leonardo; Hernández-Flórez, Luís J; Corredor-Gutiérrez, Jeimy C; Rico-Castañeda, Viviana A; Rugeles-Forero, Claudia (2013) Efectos auditivos y neuropsicológicos por exposición a ruido ambiental en escolares, en una localidad de Bogotá, 2010. En: REVISTA DE SALUD PÚBLICA.
Maya, Gabriel; Correa, Mauricio; Gómez, Miryam (2013) Gestión para la prevención y mitigación del ruido urbano. En: salud pública. Vol. 15;
Blondel, Vincent D; Guillaume, Jean-Loup; Lambiotte, Renaud; Lefebvre, Etienne (2008) Fast unfolding of communities in large networks. En: Journal of Statistical Mechanics: Theory and Experiment. Vol. 2008; No. 10; pp. P10008 1742-5468; Consultado en: 2023/09/06/00:14:17. Disponible en: https://iopscience.iop.org/article/10.1088/1742-5468/2008/10/P10008. Disponible en: 2008101003130400.
Secretaría Distrital de Ambiente (2022) Ruido.
David Castelló Tejera (2023) Using Deep Learning for Sound Classification in Citizen Science: A Practical Approach with Soundless. : Universitat Rovira i Virgili; Universitat Rovira i Virgili; Disponible en: https://openaccess.uoc.edu/bitstream/10609/148916/1/DCT%20TFM%20v3.pdf.
Padma C R; Pradyumna P Rao; Ramesh P; Shree Harsha K N; Shaswati Das; Heart Murmur classification based on heart sounds from electronic stethoscope using deep learning. En: International Research Journal of Modernization in Engineering Technology and Science. 25825208;
Mariscal-Harana, Jorge; Alarcón, Víctor; González, Fidel; Calvente, Juan José; Pérez-Grau, Francisco Javier; Viguria, Antidio; Ollero, Aníbal (2020) Audio-Based Aircraft Detection System for Safe RPAS BVLOS Operations. En: Electronics. Vol. 9; No. 12; pp. 2076 2079-9292; Consultado en: 2023/10/24/23:39:13. Disponible en: https://www.mdpi.com/2079-9292/9/12/2076. Disponible en: 10.3390/electronics9122076.
Mariscal-Harana, Jorge; Alarcón, Víctor; González, Fidel; Calvente, Juan José; Pérez-Grau, Francisco Javier; Viguria, Antidio; Ollero, Aníbal (2020) Audio-Based Aircraft Detection System for Safe RPAS BVLOS Operations. En: Electronics. Vol. 9; No. 12; pp. 2076 2079-9292; Consultado en: 2023/10/24/23:41:46. Disponible en: https://www.mdpi.com/2079-9292/9/12/2076. Disponible en: 10.3390/electronics9122076.
Zhu, Youxiang; Liang, Xiaohui; Batsis, John A.; Roth, Robert M. (2021) Exploring Deep Transfer Learning Techniques for Alzheimer's Dementia Detection. En: Frontiers in Computer Science. Vol. 3; pp. 624683 2624-9898; Consultado en: 2023/10/24/23:48:41. Disponible en: https://www.frontiersin.org/articles/10.3389/fcomp.2021.624683/full. Disponible en: 10.3389/fcomp.2021.624683.
Mohammed, Kamel K.; El-Latif, Eman I.Abd; El-Sayad, Noha Emad; Darwish, Ashraf; Hassanien, Aboul Ella (2023) Radio frequency fingerprint-based drone identification and classification using Mel spectrograms and pre-trained YAMNet neural. En: Internet of Things. Vol. 23; pp. 100879 25426605; Consultado en: 2023/10/24/23:55:39. Disponible en: https://linkinghub.elsevier.com/retrieve/pii/S2542660523002020. Disponible en: 10.1016/j.iot.2023.100879.
Jo, A-Hyeon; Kwak, Keun-Chang (2023) Speech Emotion Recognition Based on Two-Stream Deep Learning Model Using Korean Audio Information. En: Applied Sciences. Vol. 13; No. 4; pp. 2167 2076-3417; Consultado en: 2023/10/24/23:59:06. Disponible en: https://www.mdpi.com/2076-3417/13/4/2167. Disponible en: 10.3390/app13042167.
Malmberg, Christoffer; Radszuweit, David (2021) Real-time Audio Classification on an Edge Device.
Srivastava, Sangeeta; Wu, Ho-Hsiang; Rulff, Joao; Fuentes, Magdalena; Cartwright, Mark; Silva, Claudio; Arora, Anish; Bello, Juan Pablo (2022) A Study on Robustness to Perturbations for Representations of Environmental Sound. : arXiv; Consultado en: 2023/10/25/01:13:26. Disponible en: http://arxiv.org/abs/2203.10425.
Menzinsky, Alexander; López, Gertrudis; Palacio, Juan; Sobrino, Miguel Ángel (2022) Historias de Usuario. En: Scrum Manager.
Arias, Michael (2006) La ingeniería de requerimientos y su importancia en el desarrollo de proyectos de software. Vol. VI; pp. 1 - 13; 2215-2458;
Ministerio de Tecnologías de la Información y las Comunicaciones (2019) Marco de interoperabilidad para gobierno digital. Disponible en: https://lenguaje.mintic.gov.co/sites/default/files/archivos/marco_de_interoperabilidad_para_gobierno_digital.pdf.
San Juan, Yelena Islen; Rodríguez, Felix Ivan (2016) Modelos y herramientas para la vigilancia tecnológica. En: Ciencias de la Información. 0864-4659; Disponible en: https://www.redalyc.org/articulo.oa?id=181452083002.
Münzel, Thomas; Sørensen, Mette; Gori, Tommaso; Schmidt, Frank P.; Rao, Xiaoquan; Brook, Jeffrey; Chen, Lung Chi; Brook, Robert D.; Rajagopalan, Sanjay (2016) Environmental stressors and cardio-metabolic disease: part I–epidemiologic evidence supporting a role for noise and air pollution and effects of mitigation strategies. En: European Heart Journal. pp. ehw269 0195-668X, 1522-9645; Consultado en: 2023/11/20/20:27:37. Disponible en: http://eurheartj.oxfordjournals.org/lookup/doi/10.1093/eurheartj/ehw269. Disponible en: 10.1093/eurheartj/ehw269.
Singh, Devi; Kumari, Neeraj; Sharma, Pooja (2018) A Review of Adverse Effects of Road Traffic Noise on Human Health. En: Fluctuation and Noise Letters. Vol. 17; No. 01; pp. 1830001 0219-4775; Consultado en: 2023/11/20/20:31:54. Disponible en: https://www.worldscientific.com/doi/abs/10.1142/S021947751830001X. Disponible en: 10.1142/S021947751830001X.
Farooqi, Zia Ur Rahman; Sabir, Muhammad; Zeeshan, Nukshab; Murtaza, Ghulam; Hussain, Muhammad Mahroz; Ghani, Muhammad Usman; Farooqi, Zia Ur Rahman; Sabir, Muhammad; Zeeshan, Nukshab; Murtaza, Ghulam; Hussain, Muhammad Mahroz; Ghani, Muhammad Usman (2020) Vehicular Noise Pollution: Its Environmental Implications and Strategic Control. En: Autonomous Vehicle and Smart Traffic.: IntechOpen; 978-1-78984-338-5; Consultado en: 2023/11/20/20:45:06. Disponible en: https://www.intechopen.com/chapters/71662.
Clasificación de sonido con YAMNet | TensorFlow Hub. Consultado en: 2023/11/20/22:01:03. Disponible en: https://www.tensorflow.org/hub/tutorials/yamnet?hl=es-419.
Prince, Peter; Hill, Andrew; Piña Covarrubias, Evelyn; Doncaster, Patrick; Snaddon, Jake L.; Rogers, Alex (2019) Deploying Acoustic Detection Algorithms on Low-Cost, Open-Source Acoustic Sensors for Environmental Monitoring. En: Sensors. Vol. 19; No. 3; pp. 553 1424-8220; Consultado en: 2023/11/20/22:28:54. Disponible en: https://www.mdpi.com/1424-8220/19/3/553. Disponible en: 10.3390/s19030553.
European Environment Agency. (2014) Noise in Europe 2014. LU: Publications Office; Consultado en: 2023/11/20/23:06:17. Disponible en: https://data.europa.eu/doi/10.2800/763331.
Mucci, Nicola; Traversini, Veronica; Lorini, Chiara; De Sio, Simone; Galea, Raymond P.; Bonaccorsi, Guglielmo; Arcangeli, Giulio (2020) Urban Noise and Psychological Distress: A Systematic Review. En: International Journal of Environmental Research and Public Health. Vol. 17; No. 18; pp. 6621 1660-4601; Consultado en: 2024/01/04/22:12:54. Disponible en: https://www.mdpi.com/1660-4601/17/18/6621. Disponible en: 10.3390/ijerph17186621.
Zhou, Jia; Salvendy, Gavriel (2019) Human Aspects of IT for the Aged Population. Social Media, Games and Assistive Environments: 5th International Conference, ITAP 2019, Held as Part of the 21st HCI International Conference, HCII 2019, Orlando, FL, USA, July 26-31, 2019, Proceedings, Part II. En: Lecture Notes in Computer Science. Vol. 11593; Cham: Springer International Publishing; 978-3-030-22014-3 978-3-030-22015-0; Consultado en: 2024/01/04/22:30:14. Disponible en: https://link.springer.com/10.1007/978-3-030-22015-0.
Bahalı, Sercan; Tamer-Bayazıt, Nurgün (2017) Soundscape research on the Gezi Park – Tunel Square route. En: Applied Acoustics. Vol. 116; pp. 260 - 270; 0003-682X; Consultado en: 2024/01/04/22:44:31. Disponible en: https://www.sciencedirect.com/science/article/pii/S0003682X16303152. Disponible en: 10.1016/j.apacoust.2016.10.002.
Alvares-Sanches, Tatiana; Osborne, Patrick E.; White, Paul; Bahaj, AbuBakr (2019) Spatial Variation in Sound Frequency Components Across an Urban Area Derived from Mobile Surveys. Vol. 5; No. 1; pp. 7 2363-9075; Consultado en: 2024/01/04/22:48:36. Disponible en: https://futurecitiesandenvironment.com/articles/10.5334/fce.54. Disponible en: 10.5334/fce.54.
Goines, Lisa; Hagler, Louis (2007) Noise Pollution: A Modern Plague:. En: Southern Medical Journal. Vol. 100; No. 3; pp. 287 - 294; 0038-4348; Consultado en: 2024/01/04/23:47:20. Disponible en: http://sma.org/southern-medical-journal/article/noise-pollution-a-modern-plague. Disponible en: 10.1097/SMJ.0b013e3180318be5.
Aletta, Francesco; Oberman, Tin; Kang, Jian (2018) Associations between Positive Health-Related Effects and Soundscapes Perceptual Constructs: A Systematic Review. En: International Journal of Environmental Research and Public Health. Vol. 15; No. 11; pp. 2392 1660-4601; Consultado en: 2024/01/04/23:50:47. Disponible en: https://www.mdpi.com/1660-4601/15/11/2392. Disponible en: 10.3390/ijerph15112392.
Radicchi, Antonella; Cevikayak Yelmi, Pınar; Chung, Andy; Jordan, Pamela; Stewart, Sharon; Tsaligopoulos, Aggelos; McCunn, Lindsay; Grant, Marcus (2021) Sound and the healthy city. En: Cities & Health. Vol. 5; No. 1-2; pp. 1 - 13; 2374-8834, 2374-8842; Consultado en: 2024/01/05/00:02:40. Disponible en: https://www.tandfonline.com/doi/full/10.1080/23748834.2020.1821980. Disponible en: 10.1080/23748834.2020.1821980.
Forssén, Jens; Estévez-Mauriz, Laura; Gustafson, Andreas; Kropp, Wolfgang (2020) How can we plan for a good urban sound environment, focusing on road traffic noise?. En: IOP Conference Series: Earth and Environmental Science. Vol. 588; No. 5; pp. 052037 1755-1307, 1755-1315; Consultado en: 2024/01/05/00:10:05. Disponible en: https://iopscience.iop.org/article/10.1088/1755-1315/588/5/052037. Disponible en: 10.1088/1755-1315/588/5/052037.
Coursera Staff (2023) What Is Artificial Intelligence? Definition, Uses, and Types. En: Coursera. Consultado en: 2024/01/08/15:19:37. Disponible en: https://www.coursera.org/articles/what-is-artificial-intelligence.
Giattino, Charlie; Mathieu, Edouard; Samborska, Veronika; Roser, Max (2023) Artificial Intelligence. En: Our World in Data. Consultado en: 2024/01/08/17:04:55. Disponible en: https://ourworldindata.org/artificial-intelligence.
Doshi, Ketan (2021) Audio Deep Learning Made Simple: Sound Classification, step-by-step. En: Medium. Consultado en: 2024/01/08/20:11:23. Disponible en: https://towardsdatascience.com/audio-deep-learning-made-simple-sound-classification-step-by-step-cebc936bbe5.
Veena, Dr. S.; M. V, Nerisai; J. V, Remya; Tejah. S, Sai (2020) CHALLENGES AND ISSUES OF SOUND ARCHIVES FOR ENVIRONMENTAL SOUND CLASSIFICATION. En: International Journal of Engineering Applied Sciences and Technology. Vol. 04; No. 10; pp. 216 - 220; 24552143; Consultado en: 2024/01/08/20:46:32. Disponible en: http://ijeast.com/papers/216-220,Tesma410,IJEAST.pdf. Disponible en: 10.33564/IJEAST.2020.v04i10.041.
González, Peio (2020) Evaluación de un sistema de Machine Listening para la clasificación de sonidos urbanos. : Universidad del País Vasco; Consultado en: 2024/01/08/21:20:53. Disponible en: https://addi.ehu.es/bitstream/handle/10810/47015/PeioGonzalez_TFG.pdf?sequence=3&isAllowed=y.
DSpace Book View. Consultado en: 2024/01/08/21:24:31. Disponible en: https://rei.iteso.mx/xmlui/themes/Mirage2/bookview/template.html?path=/bitstream/handle/11117/9084/tesis_lopezramon.pdf?sequence=1&isAllowed=y#page=22.
López-Escudero, Ramón (2023) Procesamiento de audio digital para la clasificación de sonidos urbanos a través de una red neuronal. Consultado en: 2024/01/08/21:24:40. Disponible en: https://rei.iteso.mx/handle/11117/9084.
Géron, Aurélien (2023) Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: concepts, tools, and techniques to build intelligent systems. pp. 834 Beijing Boston Farnham Sebastopol Tokyo: O'Reilly; 978-1-09-812597-4;
Asociación Española de Normalización (2020) UNE-ISO 1996-1 Acústica Descripción, medición y evaluación del ruido ambiental Parte 1: Magnitudes básicas y métodos de evaluación.
Ministerio de Ambiente (2006) RESOLUCIÓN NÚMERO (0627) por la cual se establece la norma nacional de emisión de ruido y ruido ambiental.
Secretaría Distrital de Ambiente (2023) Informe técnico.
Greco, Antonio; Saggese, Alessia; Vento, Mario; Vigilante, Vincenzo (2019) SoReNet: a novel deep network for audio surveillance applications. En: 2019 IEEE International Conference on Systems, Man and Cybernetics (SMC). pp. 546 - 551; IEEE; 978-1-72814-569-3; Consultado en: 2024/06/26/00:46:23. Disponible en: https://ieeexplore.ieee.org/document/8914435/. Disponible en: 10.1109/SMC.2019.8914435.
Kobayashi, Takumi; Ye, Jiaxing (2014) Acoustic feature extraction by statistics based local binary pattern for environmental sound classification. En: ICASSP 2014. pp. 3052 - 3056; IEEE; 978-1-4799-2893-4; Consultado en: 2024/06/26/00:50:28. Disponible en: http://ieeexplore.ieee.org/document/6854161/. Disponible en: 10.1109/ICASSP.2014.6854161.
Stowell, Dan; Plumbley, Mark D; An open dataset for research on audio field recording archives: freefield1010.
Salamon, Justin; Jacoby, Christopher; Bello, Juan Pablo (2014) A Dataset and Taxonomy for Urban Sound Research. En: MM '14: 2014 ACM Multimedia Conference. pp. 1041 - 1044; ACM; 978-1-4503-3063-3; Consultado en: 2024/06/26/00:57:15. Disponible en: https://dl.acm.org/doi/10.1145/2647868.2655045. Disponible en: 10.1145/2647868.2655045.
Fonseca, Eduardo; Pons, Jordi; Favory, Xavier; Font, Frederic; Bogdanov, Dmitry; Ferraro, Andres; Oramas, Sergio; Porter, Alastair; Serra, Xavier (2017) FREESOUND DATASETS: A PLATFORM FOR THE CREATION OF OPEN AUDIO DATASETS.
Foster, Peter; Sigtia, Siddharth; Krstulovic, Sacha; Barker, Jon; Plumbley, Mark D. (2015) Chime-home: A dataset for sound source recognition in a domestic environment. En: 2015 IEEE Workshop on Applications of Signal Processing to Audio and Acoustics (WASPAA). pp. 1 - 5; IEEE; 978-1-4799-7450-4; Consultado en: 2024/06/26/02:45:48. Disponible en: http://ieeexplore.ieee.org/document/7336899/. Disponible en: 10.1109/WASPAA.2015.7336899.
Gemmeke, Jort F.; Ellis, Daniel P. W.; Freedman, Dylan; Jansen, Aren; Lawrence, Wade; Moore, R. Channing; Plakal, Manoj; Ritter, Marvin (2017) Audio Set: An ontology and human-labeled dataset for audio events. En: 2017 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). pp. 776 - 780; IEEE; 978-1-5090-4117-6; Consultado en: 2024/06/26/02:49:39. Disponible en: http://ieeexplore.ieee.org/document/7952261/. Disponible en: 10.1109/ICASSP.2017.7952261.
Zhang, Xiaohu; Zou, Yuexian; Shi, Wei (2017) Dilated convolution neural network with LeakyReLU for environmental sound classification. En: 2017 22nd International Conference on Digital Signal Processing (DSP). pp. 1 - 5; Consultado en: 2024/06/26/02:58:07. Disponible en: https://ieeexplore.ieee.org/document/8096153. Disponible en: 10.1109/ICDSP.2017.8096153.
Sarker, Iqbal H. (2021) Machine Learning: Algorithms, Real-World Applications and Research Directions. En: SN Computer Science. Vol. 2; No. 3; pp. 160 2661-8907; Consultado en: 2024/06/26/23:40:30. Disponible en: https://doi.org/10.1007/s42979-021-00592-x. Disponible en: 10.1007/s42979-021-00592-x.
Nair, Abhishek Ramdas; Nath, Pallab Kumar; Chakrabartty, Shantanu; Thakur, Chetan Singh (2023) Multiplierless In-filter Computing for tinyML Platforms. : arXiv; Consultado en: 2024/06/26/23:46:00. Disponible en: http://arxiv.org/abs/2304.11816. Disponible en: 10.48550/arXiv.2304.11816.
Ren, Haoyu; Anicic, Darko; Runkler, T. (2022) How to Manage Tiny Machine Learning at Scale: An Industrial Perspective. En: ArXiv. Consultado en: 2024/06/26/23:50:56. Disponible en: https://www.semanticscholar.org/paper/3d2c439e0aef92f0e4f1d4ec080cec05cc784951.
Maayah, Marina; Abunada, Ahlam; Al-Janahi, Khawla; Ahmed, Muhammad Ejaz; Qadir, Junaid (2023) LimitAccess: on-device TinyML based robust speech recognition and age classification. En: Discover Artificial Intelligence. Vol. 3; No. 1; pp. 8 2731-0809; Consultado en: 2024/06/26/23:57:20. Disponible en: https://doi.org/10.1007/s44163-023-00051-x. Disponible en: 10.1007/s44163-023-00051-x.
Altayeb, Moez; Zennaro, Marco; Rovai, Marcelo (2022) Classifying mosquito wingbeat sound using TinyML. GoodIT '22; pp. 132 - 137; Association for Computing Machinery; 978-1-4503-9284-6; Consultado en: 2024/06/26/. Disponible en: https://doi.org/10.1145/3524458.3547258. Disponible en: 10.1145/3524458.3547258.
Lê, Minh Tri; Wolinski, Pierre; Arbel, Julyan (2023) Efficient Neural Networks for Tiny Machine Learning: A Comprehensive Review. : arXiv; Consultado en: 2024/06/27/00:09:32. Disponible en: http://arxiv.org/abs/2311.11883.
Transferir el aprendizaje con YAMNet para la clasificación de sonido ambiental | TensorFlow Core. En: TensorFlow. Consultado en: 2024/06/27/19:41:40. Disponible en: https://www.tensorflow.org/tutorials/audio/transfer_learning_audio?hl=es-419.
Asdrubali, Francesco; D’Alessandro, Francesco (2018) Innovative Approaches for Noise Management in Smart Cities: a Review. En: Current Pollution Reports. Vol. 4; No. 2; pp. 143 - 153; 2198-6592; Consultado en: 2024/06/28/00:34:25. Disponible en: http://link.springer.com/10.1007/s40726-018-0090-z. Disponible en: 10.1007/s40726-018-0090-z.
Theakston, Frank; Weltgesundheitsorganisation (2011) Burden of disease from environmental noise: quantification of healthy life years lost in Europe. pp. 106 Copenhagen: World Health Organization, Regional Office for Europe; 978-92-890-0229-5;
Open Acoustic Devices (2023) Datasheets/AudioMoth_1_2_0_Datasheet/AudioMoth_1_2_0_Datasheet.pdf at main · OpenAcousticDevices/Datasheets. En: GitHub. Consultado en: 2024/08/10/15:07:18. Disponible en: https://github.com/OpenAcousticDevices/Datasheets/blob/main/AudioMoth_1_2_0_Datasheet/AudioMoth_1_2_0_Datasheet.pdf.
Zoom (2024) Operation Manual. En: Help Center | ZOOM. Consultado en: 2024/08/10/15:14:57. Disponible en: https://www.zoom.jp/helpcenter/en/manual/.
TASCAM (2024) Portacapture X8 | Grabador múltiple adaptable de alta resolución VISIÓN GENERAL | TASCAM. Consultado en: 2024/08/10/15:19:06. Disponible en: https://tascam.com/amer-es/product/portacapture_x8/spec.
Wildlife Services (2024) Song Meter SM4 Acoustic Recorder | Wildlife Services. Consultado en: 2024/08/10/15:21:42. Disponible en: https://www.wildlifeservices.uk/product-page/song-meter-sm4-acoustic-recorder-1.
Blue (2023) Yeti X Blue Microphone Datasheet.pdf. Consultado en: 2024/08/10/15:26:09. Disponible en: https://s3-ap-southeast-2.amazonaws.com/wc-prod-pim/Asset_Documents/Yeti%20X%20Blue%20Microphone%20Datasheet.pdf.
Wildlife Services (2024) Song Meter Mini Bat 2 AA. En: Wildlife Acoustics. Consultado en: 2024/08/10/15:28:24. Disponible en: https://www.wildlifeacoustics.com/products/song-meter-mini-2-bat-aa.
High Tech (2023) HTI-96-Min Hydrophone. Consultado en: 2024/08/10/15:32:39. Disponible en: https://www.hightechincusa.com/products/hydrophones/hti96min.html.
BroadcastStoreEurope (2024) Sennheiser AMBEO VR Microphone. Consultado en: 2024/08/10/15:33:45. Disponible en: https://broadcaststoreeurope.com/shop/527-studio-microphones/14420-sennheiser-ambeo-vr-microphone/.
dc.source.instname.none.fl_str_mv instname:Universidad del Rosario
dc.source.reponame.none.fl_str_mv reponame:Repositorio Institucional EdocUR
bitstream.url.fl_str_mv https://repository.urosario.edu.co/bitstreams/a8886194-7b5a-444c-8450-0f7f98d5025a/download
https://repository.urosario.edu.co/bitstreams/6acebf15-359e-42cd-b563-cc746387bd6e/download
https://repository.urosario.edu.co/bitstreams/23622876-513e-4a9a-b94b-6a3a644f7a52/download
https://repository.urosario.edu.co/bitstreams/bae054e2-e4b8-4f91-b756-ee946b064153/download
https://repository.urosario.edu.co/bitstreams/d3b03d39-ae85-4687-906c-6380ba6cb3ea/download
https://repository.urosario.edu.co/bitstreams/fbe3fcc9-937e-47ca-962c-332a49ea985f/download
https://repository.urosario.edu.co/bitstreams/aef27451-4aca-469e-b5f8-44b4c9a7db35/download
https://repository.urosario.edu.co/bitstreams/7e90aee7-16dd-4c8f-83bd-b5c975f86ee7/download
https://repository.urosario.edu.co/bitstreams/af71764b-f46d-466e-8c51-94795d74d3d6/download
https://repository.urosario.edu.co/bitstreams/daac3968-4718-4a50-95e7-acc54c8dc375/download
https://repository.urosario.edu.co/bitstreams/88205d63-7257-49a5-b88d-3ca5bbfb1f1d/download
bitstream.checksum.fl_str_mv 99eb10b8818f016159ccdfc231aa975c
d93f5db78fcf73cec9795c8fea744a8b
0ca52e7e4f4b0254499f71273b2a72f0
811bc1102a21b34092fb17e2daddce0c
9a16c564a6924e648da8e6432aceb7ba
5e8c9b68d2ee00a393c28eb10a2fbcfd
dba50624d58aaa58ba148832de1152cb
5576c84a767ffcbd870618b7385917fa
29d3fd65a5bea728aa9fd46b47e5bdb4
d00304cf4ed11987f1c771f53bf01c2e
3b033520bd8f0fe53f9daadc2b6c4778
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional EdocUR
repository.mail.fl_str_mv edocur@urosario.edu.co
_version_ 1814167671139205120
spelling Sarmiento Rojas, Jefferson623f8d05-4e3e-432e-a3b2-48bfbff28f06-1Aya Parra, Pedro Antonio80241700600Amaya Guzmán, BrianRemolina Soto, Maykol SneyderMagíster en Ciudades Inteligentes y SosteniblesMaestríaPart timea22da502-03f7-44e5-9cb2-e348b215d2354cb74ba5-e682-4697-b580-4ddbda1bed8a-12024-09-11T11:12:13Z2024-09-11T11:12:13Z2024-07-19info:eu-repo/date/embargoEnd/2026-09-13El aumento del ruido urbano, derivado del desarrollo continuo de actividades económicas y sociales en las ciudades, se ha convertido en una preocupación diaria con un impacto negativo en la población. Estudios presentados por la Secretaría Distrital de Ambiente (SDA) de Bogotá, Colombia indican que al menos el 11.8% de la población está expuesta a niveles de ruido que exceden las recomendaciones de la Organización Mundial de la Salud . El objetivo principal del proyecto de investigación es diseñar una herramienta de clasificación inteligente que permita identificar y categorizar diferentes fuentes de ruido en tiempo real. El sistema implementado está basado en dispositivos de bajo consumo energético equipados con sensores de audio y capacidad de procesamiento (TinyML). Se utilizó el modelo YAMNet, optimizado para las condiciones específicas de Bogotá, logrando una clasificación precisa de las fuentes de ruido en clases como alarmas, ambiente, aplausos, aviones, actividades humanas, impactos, motocicletas y vehículos pesados. Los resultados obtenidos muestran que en el entorno acústico objeto de estudio los ruidos de vehículos pesados y motocicletas constituyen una gran parte del ruido ambiental en el sector. Además, los aviones, aunque menos frecuentes, permiten establecer que una gran cantidad de eventos (87%) se encuentran por encima del estándar máximo permisible para el sector llegando a eventos de hasta 88.4 dBA. En conclusión, esta investigación demuestra que el uso de TinyML para la clasificación de fuentes de ruido urbano es una estrategia viable y efectiva. La metodología desarrollada facilita una gestión más eficiente del ruido urbano, proporcionando una base sólida para futuras investigaciones y desarrollos tecnológicos, con el potencial de mejorar significativamente la calidad de vida en entornos urbanos.The increase in urban noise, stemming from the continuous development of economic and social activities in cities, has become a daily concern with a negative impact on the population. Studies presented by the District Secretary of Environment (SDA) of Bogotá, Colombia, indicate that at least 11.8% of the population is exposed to noise levels that exceed the recommendations of the World Health Organization. The main objective of this project is to design an intelligent classification tool that allows the identification and categorization of different noise sources in real-time. The implemented system is based on low-power devices equipped with audio sensors and processing capability (TinyML). The YAMNet model was used, optimized for the specific conditions of Bogotá, achieving accurate classification of noise sources into categories such as alarms, ambiance, applause, airplanes, human activities, impacts, motorcycles, and heavy vehicles. The results obtained show that in the acoustic environment under study, noises from heavy vehicles and motorcycles constitute a large part of the environmental noise in the sector. Additionally, airplanes, although less frequent, show that many events (87%) exceed the maximum permissible standard for the sector, reaching levels of up to 88.4 dBA. In conclusion, this work demonstrates that the use of TinyML for the classification of urban noise sources is a viable and effective strategy. The developed methodology facilitates more efficient management of urban noise, providing a solid foundation for future research and technological developments, with the potential to significantly improve the quality of life in urban environments.108 ppapplication/pdfhttps://repository.urosario.edu.co/handle/10336/43386spaUniversidad del RosarioEscuela de Ingeniería, Ciencia y TecnologíaFacultad de Estudios Internacionales, Políticos y UrbanosMaestría en Ciudades Inteligentes y SosteniblesAttribution-NonCommercial 4.0 InternationalRestringido (Temporalmente bloqueado)EL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad actúa como un tercero de buena fe. EL AUTOR, autoriza a LA UNIVERSIDAD DEL ROSARIO, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre la materia, utilice y use la obra objeto de la presente autorización. -------------------------------------- POLITICA DE TRATAMIENTO DE DATOS PERSONALES. Declaro que autorizo previa y de forma informada el tratamiento de mis datos personales por parte de LA UNIVERSIDAD DEL ROSARIO para fines académicos y en aplicación de convenios con terceros o servicios conexos con actividades propias de la academia, con estricto cumplimiento de los principios de ley. Para el correcto ejercicio de mi derecho de habeas data cuento con la cuenta de correo habeasdata@urosario.edu.co, donde previa identificación podré solicitar la consulta, corrección y supresión de mis datos.http://creativecommons.org/licenses/by-nc/4.0/http://purl.org/coar/access_right/c_f1cfHe, Kaiming; Zhang, Xiangyu; Ren, Shaoqing; Sun, Jian (2016) Deep Residual Learning for Image Recognition. En: 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). pp. 770 - 778; IEEE; 978-1-4673-8851-1; Consultado en: 2023/09/05/23:44:27. Disponible en: http://ieeexplore.ieee.org/document/7780459/. Disponible en: 10.1109/CVPR.2016.90.Mesaros, Annamaria; Heittola, Toni; Virtanen, Tuomas (2016) TUT database for acoustic scene classification and sound event detection. En: 2016 24th European Signal Processing Conference (EUSIPCO). pp. 1128 - 1132; IEEE; 978-0-9928626-5-7; Consultado en: 2023/09/05/23:44:34. Disponible en: http://ieeexplore.ieee.org/document/7760424/. Disponible en: 10.1109/EUSIPCO.2016.7760424.Piczak, Karol J. (2015) ESC: Dataset for Environmental Sound Classification. En: MM '15: ACM Multimedia Conference. pp. 1015 - 1018; ACM; 978-1-4503-3459-4; Consultado en: 2023/09/05/23:44:55. Disponible en: https://dl.acm.org/doi/10.1145/2733373.2806390. Disponible en: 10.1145/2733373.2806390.Piczak, Karol J. (2015) Environmental sound classification with convolutional neural networks. En: 2015 IEEE 25th International Workshop on Machine Learning for Signal Processing (MLSP). pp. 1 - 6; IEEE; 978-1-4673-7454-5; Consultado en: 2023/09/05/23:44:59. Disponible en: http://ieeexplore.ieee.org/document/7324337/. Disponible en: 10.1109/MLSP.2015.7324337.Salamon, Justin; Jacoby, Christopher; Bello, Juan Pablo (2014) A Dataset and Taxonomy for Urban Sound Research. En: MM '14: 2014 ACM Multimedia Conference. pp. 1041 - 1044; ACM; 978-1-4503-3063-3; Consultado en: 2023/09/05/23:45:05. Disponible en: https://dl.acm.org/doi/10.1145/2647868.2655045. Disponible en: 10.1145/2647868.2655045.Stowell, Dan; Giannoulis, Dimitrios; Benetos, Emmanouil; Lagrange, Mathieu; Plumbley, Mark D. (2015) Detection and Classification of Acoustic Scenes and Events. En: IEEE Transactions on Multimedia. Vol. 17; No. 10; pp. 1733 - 1746; 1520-9210, 1941-0077; Consultado en: 2023/09/05/23:45:10. Disponible en: http://ieeexplore.ieee.org/document/7100934/. Disponible en: 10.1109/TMM.2015.2428998.Su, Yu; Zhang, Ke; Wang, Jingyu; Madani, Kurosh (2019) Environment Sound Classification Using a Two-Stream CNN Based on Decision-Level Fusion. En: Sensors. Vol. 19; No. 7; pp. 1733 1424-8220; Consultado en: 2023/09/05/23:45:15. Disponible en: https://www.mdpi.com/1424-8220/19/7/1733. Disponible en: 10.3390/s19071733.Zhang, Zhichao; Xu, Shugong; Cao, Shan; Zhang, Shunqing; Lai, Jian-Huang; Liu, Cheng-Lin; Chen, Xilin; Zhou, Jie; Tan, Tieniu; Zheng, Nanning; Zha, Hongbin (2018) Deep Convolutional Neural Network with Mixup for Environmental Sound Classification. En: Pattern Recognition and Computer Vision. Vol. 11257; pp. 356 - 367; Cham: Springer International Publishing; 978-3-030-03334-7 978-3-030-03335-4; Consultado en: 2023/09/05/23:45:20. Disponible en: http://link.springer.com/10.1007/978-3-030-03335-4_31.Barchiesi, Daniele; Giannoulis, Dimitrios; Stowell, Dan; Plumbley, Mark D. (2015) Acoustic Scene Classification: Classifying environments from the sounds they produce. En: IEEE Signal Processing Magazine. Vol. 32; No. 3; pp. 16 - 34; 1053-5888; Consultado en: 2023/09/05/23:45:22. Disponible en: https://ieeexplore.ieee.org/document/7078982. Disponible en: 10.1109/MSP.2014.2326181.Ministerio de Ambiente; INDICE DE CALIDAD AMBIENTAL URBANA-ICAU. Quiroz-Arcentales, Leonardo; Hernández-Flórez, Luís J; Corredor-Gutiérrez, Jeimy C; Rico-Castañeda, Viviana A; Rugeles-Forero, Claudia (2013) Efectos auditivos y neuropsicológicos por exposición a ruido ambiental en escolares, en una localidad de Bogotá, 2010. En: REVISTA DE SALUD PÚBLICA.Maya, Gabriel; Correa, Mauricio; Gómez, Miryam (2013) Gestión para la prevención y mitigación del ruido urbano. En: salud pública. Vol. 15;Blondel, Vincent D; Guillaume, Jean-Loup; Lambiotte, Renaud; Lefebvre, Etienne (2008) Fast unfolding of communities in large networks. En: Journal of Statistical Mechanics: Theory and Experiment. Vol. 2008; No. 10; pp. P10008 1742-5468; Consultado en: 2023/09/06/00:14:17. Disponible en: https://iopscience.iop.org/article/10.1088/1742-5468/2008/10/P10008. Disponible en: 2008101003130400.Secretaría Distrital de Ambiente (2022) Ruido. David Castelló Tejera (2023) Using Deep Learning for Sound Classification in Citizen Science: A Practical Approach with Soundless. : Universitat Rovira i Virgili; Universitat Rovira i Virgili; Disponible en: https://openaccess.uoc.edu/bitstream/10609/148916/1/DCT%20TFM%20v3.pdf.Padma C R; Pradyumna P Rao; Ramesh P; Shree Harsha K N; Shaswati Das; Heart Murmur classification based on heart sounds from electronic stethoscope using deep learning. En: International Research Journal of Modernization in Engineering Technology and Science. 25825208;Mariscal-Harana, Jorge; Alarcón, Víctor; González, Fidel; Calvente, Juan José; Pérez-Grau, Francisco Javier; Viguria, Antidio; Ollero, Aníbal (2020) Audio-Based Aircraft Detection System for Safe RPAS BVLOS Operations. En: Electronics. Vol. 9; No. 12; pp. 2076 2079-9292; Consultado en: 2023/10/24/23:39:13. Disponible en: https://www.mdpi.com/2079-9292/9/12/2076. Disponible en: 10.3390/electronics9122076.Mariscal-Harana, Jorge; Alarcón, Víctor; González, Fidel; Calvente, Juan José; Pérez-Grau, Francisco Javier; Viguria, Antidio; Ollero, Aníbal (2020) Audio-Based Aircraft Detection System for Safe RPAS BVLOS Operations. En: Electronics. Vol. 9; No. 12; pp. 2076 2079-9292; Consultado en: 2023/10/24/23:41:46. Disponible en: https://www.mdpi.com/2079-9292/9/12/2076. Disponible en: 10.3390/electronics9122076.Zhu, Youxiang; Liang, Xiaohui; Batsis, John A.; Roth, Robert M. (2021) Exploring Deep Transfer Learning Techniques for Alzheimer's Dementia Detection. En: Frontiers in Computer Science. Vol. 3; pp. 624683 2624-9898; Consultado en: 2023/10/24/23:48:41. Disponible en: https://www.frontiersin.org/articles/10.3389/fcomp.2021.624683/full. Disponible en: 10.3389/fcomp.2021.624683.Mohammed, Kamel K.; El-Latif, Eman I.Abd; El-Sayad, Noha Emad; Darwish, Ashraf; Hassanien, Aboul Ella (2023) Radio frequency fingerprint-based drone identification and classification using Mel spectrograms and pre-trained YAMNet neural. En: Internet of Things. Vol. 23; pp. 100879 25426605; Consultado en: 2023/10/24/23:55:39. Disponible en: https://linkinghub.elsevier.com/retrieve/pii/S2542660523002020. Disponible en: 10.1016/j.iot.2023.100879.Jo, A-Hyeon; Kwak, Keun-Chang (2023) Speech Emotion Recognition Based on Two-Stream Deep Learning Model Using Korean Audio Information. En: Applied Sciences. Vol. 13; No. 4; pp. 2167 2076-3417; Consultado en: 2023/10/24/23:59:06. Disponible en: https://www.mdpi.com/2076-3417/13/4/2167. Disponible en: 10.3390/app13042167.Malmberg, Christoffer; Radszuweit, David (2021) Real-time Audio Classification on an Edge Device. Srivastava, Sangeeta; Wu, Ho-Hsiang; Rulff, Joao; Fuentes, Magdalena; Cartwright, Mark; Silva, Claudio; Arora, Anish; Bello, Juan Pablo (2022) A Study on Robustness to Perturbations for Representations of Environmental Sound. : arXiv; Consultado en: 2023/10/25/01:13:26. Disponible en: http://arxiv.org/abs/2203.10425.Menzinsky, Alexander; López, Gertrudis; Palacio, Juan; Sobrino, Miguel Ángel (2022) Historias de Usuario. En: Scrum Manager.Arias, Michael (2006) La ingeniería de requerimientos y su importancia en el desarrollo de proyectos de software. Vol. VI; pp. 1 - 13; 2215-2458;Ministerio de Tecnologías de la Información y las Comunicaciones (2019) Marco de interoperabilidad para gobierno digital. Disponible en: https://lenguaje.mintic.gov.co/sites/default/files/archivos/marco_de_interoperabilidad_para_gobierno_digital.pdf.San Juan, Yelena Islen; Rodríguez, Felix Ivan (2016) Modelos y herramientas para la vigilancia tecnológica. En: Ciencias de la Información. 0864-4659; Disponible en: https://www.redalyc.org/articulo.oa?id=181452083002.Münzel, Thomas; Sørensen, Mette; Gori, Tommaso; Schmidt, Frank P.; Rao, Xiaoquan; Brook, Jeffrey; Chen, Lung Chi; Brook, Robert D.; Rajagopalan, Sanjay (2016) Environmental stressors and cardio-metabolic disease: part I–epidemiologic evidence supporting a role for noise and air pollution and effects of mitigation strategies. En: European Heart Journal. pp. ehw269 0195-668X, 1522-9645; Consultado en: 2023/11/20/20:27:37. Disponible en: http://eurheartj.oxfordjournals.org/lookup/doi/10.1093/eurheartj/ehw269. Disponible en: 10.1093/eurheartj/ehw269.Singh, Devi; Kumari, Neeraj; Sharma, Pooja (2018) A Review of Adverse Effects of Road Traffic Noise on Human Health. En: Fluctuation and Noise Letters. Vol. 17; No. 01; pp. 1830001 0219-4775; Consultado en: 2023/11/20/20:31:54. Disponible en: https://www.worldscientific.com/doi/abs/10.1142/S021947751830001X. Disponible en: 10.1142/S021947751830001X.Farooqi, Zia Ur Rahman; Sabir, Muhammad; Zeeshan, Nukshab; Murtaza, Ghulam; Hussain, Muhammad Mahroz; Ghani, Muhammad Usman; Farooqi, Zia Ur Rahman; Sabir, Muhammad; Zeeshan, Nukshab; Murtaza, Ghulam; Hussain, Muhammad Mahroz; Ghani, Muhammad Usman (2020) Vehicular Noise Pollution: Its Environmental Implications and Strategic Control. En: Autonomous Vehicle and Smart Traffic.: IntechOpen; 978-1-78984-338-5; Consultado en: 2023/11/20/20:45:06. Disponible en: https://www.intechopen.com/chapters/71662. Clasificación de sonido con YAMNet | TensorFlow Hub. Consultado en: 2023/11/20/22:01:03. Disponible en: https://www.tensorflow.org/hub/tutorials/yamnet?hl=es-419.Prince, Peter; Hill, Andrew; Piña Covarrubias, Evelyn; Doncaster, Patrick; Snaddon, Jake L.; Rogers, Alex (2019) Deploying Acoustic Detection Algorithms on Low-Cost, Open-Source Acoustic Sensors for Environmental Monitoring. En: Sensors. Vol. 19; No. 3; pp. 553 1424-8220; Consultado en: 2023/11/20/22:28:54. Disponible en: https://www.mdpi.com/1424-8220/19/3/553. Disponible en: 10.3390/s19030553.European Environment Agency. (2014) Noise in Europe 2014. LU: Publications Office; Consultado en: 2023/11/20/23:06:17. Disponible en: https://data.europa.eu/doi/10.2800/763331.Mucci, Nicola; Traversini, Veronica; Lorini, Chiara; De Sio, Simone; Galea, Raymond P.; Bonaccorsi, Guglielmo; Arcangeli, Giulio (2020) Urban Noise and Psychological Distress: A Systematic Review. En: International Journal of Environmental Research and Public Health. Vol. 17; No. 18; pp. 6621 1660-4601; Consultado en: 2024/01/04/22:12:54. Disponible en: https://www.mdpi.com/1660-4601/17/18/6621. Disponible en: 10.3390/ijerph17186621. Zhou, Jia; Salvendy, Gavriel (2019) Human Aspects of IT for the Aged Population. Social Media, Games and Assistive Environments: 5th International Conference, ITAP 2019, Held as Part of the 21st HCI International Conference, HCII 2019, Orlando, FL, USA, July 26-31, 2019, Proceedings, Part II. En: Lecture Notes in Computer Science. Vol. 11593; Cham: Springer International Publishing; 978-3-030-22014-3 978-3-030-22015-0; Consultado en: 2024/01/04/22:30:14. Disponible en: https://link.springer.com/10.1007/978-3-030-22015-0.Bahalı, Sercan; Tamer-Bayazıt, Nurgün (2017) Soundscape research on the Gezi Park – Tunel Square route. En: Applied Acoustics. Vol. 116; pp. 260 - 270; 0003-682X; Consultado en: 2024/01/04/22:44:31. Disponible en: https://www.sciencedirect.com/science/article/pii/S0003682X16303152. Disponible en: 10.1016/j.apacoust.2016.10.002.Alvares-Sanches, Tatiana; Osborne, Patrick E.; White, Paul; Bahaj, AbuBakr (2019) Spatial Variation in Sound Frequency Components Across an Urban Area Derived from Mobile Surveys. Vol. 5; No. 1; pp. 7 2363-9075; Consultado en: 2024/01/04/22:48:36. Disponible en: https://futurecitiesandenvironment.com/articles/10.5334/fce.54. Disponible en: 10.5334/fce.54.Goines, Lisa; Hagler, Louis (2007) Noise Pollution: A Modern Plague:. En: Southern Medical Journal. Vol. 100; No. 3; pp. 287 - 294; 0038-4348; Consultado en: 2024/01/04/23:47:20. Disponible en: http://sma.org/southern-medical-journal/article/noise-pollution-a-modern-plague. Disponible en: 10.1097/SMJ.0b013e3180318be5.Aletta, Francesco; Oberman, Tin; Kang, Jian (2018) Associations between Positive Health-Related Effects and Soundscapes Perceptual Constructs: A Systematic Review. En: International Journal of Environmental Research and Public Health. Vol. 15; No. 11; pp. 2392 1660-4601; Consultado en: 2024/01/04/23:50:47. Disponible en: https://www.mdpi.com/1660-4601/15/11/2392. Disponible en: 10.3390/ijerph15112392.Radicchi, Antonella; Cevikayak Yelmi, Pınar; Chung, Andy; Jordan, Pamela; Stewart, Sharon; Tsaligopoulos, Aggelos; McCunn, Lindsay; Grant, Marcus (2021) Sound and the healthy city. En: Cities & Health. Vol. 5; No. 1-2; pp. 1 - 13; 2374-8834, 2374-8842; Consultado en: 2024/01/05/00:02:40. Disponible en: https://www.tandfonline.com/doi/full/10.1080/23748834.2020.1821980. Disponible en: 10.1080/23748834.2020.1821980.Forssén, Jens; Estévez-Mauriz, Laura; Gustafson, Andreas; Kropp, Wolfgang (2020) How can we plan for a good urban sound environment, focusing on road traffic noise?. En: IOP Conference Series: Earth and Environmental Science. Vol. 588; No. 5; pp. 052037 1755-1307, 1755-1315; Consultado en: 2024/01/05/00:10:05. Disponible en: https://iopscience.iop.org/article/10.1088/1755-1315/588/5/052037. Disponible en: 10.1088/1755-1315/588/5/052037.Coursera Staff (2023) What Is Artificial Intelligence? Definition, Uses, and Types. En: Coursera. Consultado en: 2024/01/08/15:19:37. Disponible en: https://www.coursera.org/articles/what-is-artificial-intelligence.Giattino, Charlie; Mathieu, Edouard; Samborska, Veronika; Roser, Max (2023) Artificial Intelligence. En: Our World in Data. Consultado en: 2024/01/08/17:04:55. Disponible en: https://ourworldindata.org/artificial-intelligence.Doshi, Ketan (2021) Audio Deep Learning Made Simple: Sound Classification, step-by-step. En: Medium. Consultado en: 2024/01/08/20:11:23. Disponible en: https://towardsdatascience.com/audio-deep-learning-made-simple-sound-classification-step-by-step-cebc936bbe5.Veena, Dr. S.; M. V, Nerisai; J. V, Remya; Tejah. S, Sai (2020) CHALLENGES AND ISSUES OF SOUND ARCHIVES FOR ENVIRONMENTAL SOUND CLASSIFICATION. En: International Journal of Engineering Applied Sciences and Technology. Vol. 04; No. 10; pp. 216 - 220; 24552143; Consultado en: 2024/01/08/20:46:32. Disponible en: http://ijeast.com/papers/216-220,Tesma410,IJEAST.pdf. Disponible en: 10.33564/IJEAST.2020.v04i10.041.González, Peio (2020) Evaluación de un sistema de Machine Listening para la clasificación de sonidos urbanos. : Universidad del País Vasco; Consultado en: 2024/01/08/21:20:53. Disponible en: https://addi.ehu.es/bitstream/handle/10810/47015/PeioGonzalez_TFG.pdf?sequence=3&isAllowed=y. DSpace Book View. Consultado en: 2024/01/08/21:24:31. Disponible en: https://rei.iteso.mx/xmlui/themes/Mirage2/bookview/template.html?path=/bitstream/handle/11117/9084/tesis_lopezramon.pdf?sequence=1&isAllowed=y#page=22.López-Escudero, Ramón (2023) Procesamiento de audio digital para la clasificación de sonidos urbanos a través de una red neuronal. Consultado en: 2024/01/08/21:24:40. Disponible en: https://rei.iteso.mx/handle/11117/9084.Géron, Aurélien (2023) Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: concepts, tools, and techniques to build intelligent systems. pp. 834 Beijing Boston Farnham Sebastopol Tokyo: O'Reilly; 978-1-09-812597-4;Asociación Española de Normalización (2020) UNE-ISO 1996-1 Acústica Descripción, medición y evaluación del ruido ambiental Parte 1: Magnitudes básicas y métodos de evaluación. Ministerio de Ambiente (2006) RESOLUCIÓN NÚMERO (0627) por la cual se establece la norma nacional de emisión de ruido y ruido ambiental. Secretaría Distrital de Ambiente (2023) Informe técnico. Greco, Antonio; Saggese, Alessia; Vento, Mario; Vigilante, Vincenzo (2019) SoReNet: a novel deep network for audio surveillance applications. En: 2019 IEEE International Conference on Systems, Man and Cybernetics (SMC). pp. 546 - 551; IEEE; 978-1-72814-569-3; Consultado en: 2024/06/26/00:46:23. Disponible en: https://ieeexplore.ieee.org/document/8914435/. Disponible en: 10.1109/SMC.2019.8914435.Kobayashi, Takumi; Ye, Jiaxing (2014) Acoustic feature extraction by statistics based local binary pattern for environmental sound classification. En: ICASSP 2014. pp. 3052 - 3056; IEEE; 978-1-4799-2893-4; Consultado en: 2024/06/26/00:50:28. Disponible en: http://ieeexplore.ieee.org/document/6854161/. Disponible en: 10.1109/ICASSP.2014.6854161.Stowell, Dan; Plumbley, Mark D; An open dataset for research on audio field recording archives: freefield1010. Salamon, Justin; Jacoby, Christopher; Bello, Juan Pablo (2014) A Dataset and Taxonomy for Urban Sound Research. En: MM '14: 2014 ACM Multimedia Conference. pp. 1041 - 1044; ACM; 978-1-4503-3063-3; Consultado en: 2024/06/26/00:57:15. Disponible en: https://dl.acm.org/doi/10.1145/2647868.2655045. Disponible en: 10.1145/2647868.2655045.Fonseca, Eduardo; Pons, Jordi; Favory, Xavier; Font, Frederic; Bogdanov, Dmitry; Ferraro, Andres; Oramas, Sergio; Porter, Alastair; Serra, Xavier (2017) FREESOUND DATASETS: A PLATFORM FOR THE CREATION OF OPEN AUDIO DATASETS. Foster, Peter; Sigtia, Siddharth; Krstulovic, Sacha; Barker, Jon; Plumbley, Mark D. (2015) Chime-home: A dataset for sound source recognition in a domestic environment. En: 2015 IEEE Workshop on Applications of Signal Processing to Audio and Acoustics (WASPAA). pp. 1 - 5; IEEE; 978-1-4799-7450-4; Consultado en: 2024/06/26/02:45:48. Disponible en: http://ieeexplore.ieee.org/document/7336899/. Disponible en: 10.1109/WASPAA.2015.7336899.Gemmeke, Jort F.; Ellis, Daniel P. W.; Freedman, Dylan; Jansen, Aren; Lawrence, Wade; Moore, R. Channing; Plakal, Manoj; Ritter, Marvin (2017) Audio Set: An ontology and human-labeled dataset for audio events. En: 2017 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). pp. 776 - 780; IEEE; 978-1-5090-4117-6; Consultado en: 2024/06/26/02:49:39. Disponible en: http://ieeexplore.ieee.org/document/7952261/. Disponible en: 10.1109/ICASSP.2017.7952261.Zhang, Xiaohu; Zou, Yuexian; Shi, Wei (2017) Dilated convolution neural network with LeakyReLU for environmental sound classification. En: 2017 22nd International Conference on Digital Signal Processing (DSP). pp. 1 - 5; Consultado en: 2024/06/26/02:58:07. Disponible en: https://ieeexplore.ieee.org/document/8096153. Disponible en: 10.1109/ICDSP.2017.8096153.Sarker, Iqbal H. (2021) Machine Learning: Algorithms, Real-World Applications and Research Directions. En: SN Computer Science. Vol. 2; No. 3; pp. 160 2661-8907; Consultado en: 2024/06/26/23:40:30. Disponible en: https://doi.org/10.1007/s42979-021-00592-x. Disponible en: 10.1007/s42979-021-00592-x.Nair, Abhishek Ramdas; Nath, Pallab Kumar; Chakrabartty, Shantanu; Thakur, Chetan Singh (2023) Multiplierless In-filter Computing for tinyML Platforms. : arXiv; Consultado en: 2024/06/26/23:46:00. Disponible en: http://arxiv.org/abs/2304.11816. Disponible en: 10.48550/arXiv.2304.11816.Ren, Haoyu; Anicic, Darko; Runkler, T. (2022) How to Manage Tiny Machine Learning at Scale: An Industrial Perspective. En: ArXiv. Consultado en: 2024/06/26/23:50:56. Disponible en: https://www.semanticscholar.org/paper/3d2c439e0aef92f0e4f1d4ec080cec05cc784951.Maayah, Marina; Abunada, Ahlam; Al-Janahi, Khawla; Ahmed, Muhammad Ejaz; Qadir, Junaid (2023) LimitAccess: on-device TinyML based robust speech recognition and age classification. En: Discover Artificial Intelligence. Vol. 3; No. 1; pp. 8 2731-0809; Consultado en: 2024/06/26/23:57:20. Disponible en: https://doi.org/10.1007/s44163-023-00051-x. Disponible en: 10.1007/s44163-023-00051-x.Altayeb, Moez; Zennaro, Marco; Rovai, Marcelo (2022) Classifying mosquito wingbeat sound using TinyML. GoodIT '22; pp. 132 - 137; Association for Computing Machinery; 978-1-4503-9284-6; Consultado en: 2024/06/26/. Disponible en: https://doi.org/10.1145/3524458.3547258. Disponible en: 10.1145/3524458.3547258.Lê, Minh Tri; Wolinski, Pierre; Arbel, Julyan (2023) Efficient Neural Networks for Tiny Machine Learning: A Comprehensive Review. : arXiv; Consultado en: 2024/06/27/00:09:32. Disponible en: http://arxiv.org/abs/2311.11883. Transferir el aprendizaje con YAMNet para la clasificación de sonido ambiental | TensorFlow Core. En: TensorFlow. Consultado en: 2024/06/27/19:41:40. Disponible en: https://www.tensorflow.org/tutorials/audio/transfer_learning_audio?hl=es-419.Asdrubali, Francesco; D’Alessandro, Francesco (2018) Innovative Approaches for Noise Management in Smart Cities: a Review. En: Current Pollution Reports. Vol. 4; No. 2; pp. 143 - 153; 2198-6592; Consultado en: 2024/06/28/00:34:25. Disponible en: http://link.springer.com/10.1007/s40726-018-0090-z. Disponible en: 10.1007/s40726-018-0090-z. Theakston, Frank; Weltgesundheitsorganisation (2011) Burden of disease from environmental noise: quantification of healthy life years lost in Europe. pp. 106 Copenhagen: World Health Organization, Regional Office for Europe; 978-92-890-0229-5;Open Acoustic Devices (2023) Datasheets/AudioMoth_1_2_0_Datasheet/AudioMoth_1_2_0_Datasheet.pdf at main · OpenAcousticDevices/Datasheets. En: GitHub. Consultado en: 2024/08/10/15:07:18. Disponible en: https://github.com/OpenAcousticDevices/Datasheets/blob/main/AudioMoth_1_2_0_Datasheet/AudioMoth_1_2_0_Datasheet.pdf.Zoom (2024) Operation Manual. En: Help Center | ZOOM. Consultado en: 2024/08/10/15:14:57. Disponible en: https://www.zoom.jp/helpcenter/en/manual/.TASCAM (2024) Portacapture X8 | Grabador múltiple adaptable de alta resolución VISIÓN GENERAL | TASCAM. Consultado en: 2024/08/10/15:19:06. Disponible en: https://tascam.com/amer-es/product/portacapture_x8/spec.Wildlife Services (2024) Song Meter SM4 Acoustic Recorder | Wildlife Services. Consultado en: 2024/08/10/15:21:42. Disponible en: https://www.wildlifeservices.uk/product-page/song-meter-sm4-acoustic-recorder-1.Blue (2023) Yeti X Blue Microphone Datasheet.pdf. Consultado en: 2024/08/10/15:26:09. Disponible en: https://s3-ap-southeast-2.amazonaws.com/wc-prod-pim/Asset_Documents/Yeti%20X%20Blue%20Microphone%20Datasheet.pdf.Wildlife Services (2024) Song Meter Mini Bat 2 AA. En: Wildlife Acoustics. Consultado en: 2024/08/10/15:28:24. Disponible en: https://www.wildlifeacoustics.com/products/song-meter-mini-2-bat-aa.High Tech (2023) HTI-96-Min Hydrophone. Consultado en: 2024/08/10/15:32:39. Disponible en: https://www.hightechincusa.com/products/hydrophones/hti96min.html.BroadcastStoreEurope (2024) Sennheiser AMBEO VR Microphone. Consultado en: 2024/08/10/15:33:45. Disponible en: https://broadcaststoreeurope.com/shop/527-studio-microphones/14420-sennheiser-ambeo-vr-microphone/.instname:Universidad del Rosarioreponame:Repositorio Institucional EdocURTinyMLYAMNetClasificación fuentes de ruidoEntorno acústicoEstaciones de monitoreoTinyMLYAMNetNoise sources classificationAcoustic environmentMonitoring stationsImplementación de un sistema embebido para la clasificación de fuentes de ruido ambiental urbano utilizando técnicas de TinyML en un entorno acústico de BogotáImplementation of an embedded system for the classification of urban environmental noise sources using TinyML techniques in an acoustic environment of BogotábachelorThesisTrabajo de gradoTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fEscuela de Ingeniería, Ciencia y TecnologíaBogotáLICENSElicense.txtlicense.txttext/plain12https://repository.urosario.edu.co/bitstreams/a8886194-7b5a-444c-8450-0f7f98d5025a/download99eb10b8818f016159ccdfc231aa975cMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81025https://repository.urosario.edu.co/bitstreams/6acebf15-359e-42cd-b563-cc746387bd6e/downloadd93f5db78fcf73cec9795c8fea744a8bMD52ORIGINALImplementacion_de_un_sistema_embebido_para_la_clasificacion_de_fuentes.pdfImplementacion_de_un_sistema_embebido_para_la_clasificacion_de_fuentes.pdfapplication/pdf4865780https://repository.urosario.edu.co/bitstreams/23622876-513e-4a9a-b94b-6a3a644f7a52/download0ca52e7e4f4b0254499f71273b2a72f0MD53Implementacion_de_un_sistema_Anexo2_Relacion_entre_indicadores_de_ruido_y_fuentes_clasificadas.csvImplementacion_de_un_sistema_Anexo2_Relacion_entre_indicadores_de_ruido_y_fuentes_clasificadas.csvtext/csv222201377https://repository.urosario.edu.co/bitstreams/bae054e2-e4b8-4f91-b756-ee946b064153/download811bc1102a21b34092fb17e2daddce0cMD54Implementacion_de_un_sistema_Anexo3_Diagramas_de_flujo.pdfImplementacion_de_un_sistema_Anexo3_Diagramas_de_flujo.pdfapplication/pdf145128https://repository.urosario.edu.co/bitstreams/d3b03d39-ae85-4687-906c-6380ba6cb3ea/download9a16c564a6924e648da8e6432aceb7baMD55Tesis-Posgrado.risTesis-Posgrado.risapplication/x-research-info-systems95872https://repository.urosario.edu.co/bitstreams/fbe3fcc9-937e-47ca-962c-332a49ea985f/download5e8c9b68d2ee00a393c28eb10a2fbcfdMD56TEXTImplementacion_de_un_sistema_embebido_para_la_clasificacion_de_fuentes.pdf.txtImplementacion_de_un_sistema_embebido_para_la_clasificacion_de_fuentes.pdf.txtExtracted texttext/plain102217https://repository.urosario.edu.co/bitstreams/aef27451-4aca-469e-b5f8-44b4c9a7db35/downloaddba50624d58aaa58ba148832de1152cbMD57Implementacion_de_un_sistema_Anexo2_Relacion_entre_indicadores_de_ruido_y_fuentes_clasificadas.csv.txtImplementacion_de_un_sistema_Anexo2_Relacion_entre_indicadores_de_ruido_y_fuentes_clasificadas.csv.txtExtracted texttext/plain100000https://repository.urosario.edu.co/bitstreams/7e90aee7-16dd-4c8f-83bd-b5c975f86ee7/download5576c84a767ffcbd870618b7385917faMD59Implementacion_de_un_sistema_Anexo3_Diagramas_de_flujo.pdf.txtImplementacion_de_un_sistema_Anexo3_Diagramas_de_flujo.pdf.txtExtracted texttext/plain3313https://repository.urosario.edu.co/bitstreams/af71764b-f46d-466e-8c51-94795d74d3d6/download29d3fd65a5bea728aa9fd46b47e5bdb4MD510THUMBNAILImplementacion_de_un_sistema_embebido_para_la_clasificacion_de_fuentes.pdf.jpgImplementacion_de_un_sistema_embebido_para_la_clasificacion_de_fuentes.pdf.jpgGenerated Thumbnailimage/jpeg2739https://repository.urosario.edu.co/bitstreams/daac3968-4718-4a50-95e7-acc54c8dc375/downloadd00304cf4ed11987f1c771f53bf01c2eMD58Implementacion_de_un_sistema_Anexo3_Diagramas_de_flujo.pdf.jpgImplementacion_de_un_sistema_Anexo3_Diagramas_de_flujo.pdf.jpgGenerated Thumbnailimage/jpeg3488https://repository.urosario.edu.co/bitstreams/88205d63-7257-49a5-b88d-3ca5bbfb1f1d/download3b033520bd8f0fe53f9daadc2b6c4778MD51110336/43386oai:repository.urosario.edu.co:10336/433862024-09-12 21:45:23.176http://creativecommons.org/licenses/by-nc/4.0/Attribution-NonCommercial 4.0 Internationalhttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.coU05JRVMgMTEwNzU1

Publicaciones similares