Implementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicas
Trabajo de investigación tecnológica
- Autores:
-
Pacanchique-Gamba, Esteban Camilo
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad Católica de Colombia
- Repositorio:
- RIUCaC - Repositorio U. Católica
- Idioma:
- spa
- OAI Identifier:
- oai:repository.ucatolica.edu.co:10983/25158
- Acceso en línea:
- https://hdl.handle.net/10983/25158
- Palabra clave:
- INTELIGENCIA ARTIFICIAL
ANÁLISIS DE IMÁGENES
DETECCIÓN DE OBJETOS
COLILLAS DE CIGARRILLO
- Rights
- openAccess
- License
- Derechos Reservados - Universidad Católica de Colombia, 2020
| id |
UCATOLICA2_d34792d5b7fc94ca17d85efefb9b91b6 |
|---|---|
| oai_identifier_str |
oai:repository.ucatolica.edu.co:10983/25158 |
| network_acronym_str |
UCATOLICA2 |
| network_name_str |
RIUCaC - Repositorio U. Católica |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Implementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicas |
| title |
Implementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicas |
| spellingShingle |
Implementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicas INTELIGENCIA ARTIFICIAL ANÁLISIS DE IMÁGENES DETECCIÓN DE OBJETOS COLILLAS DE CIGARRILLO |
| title_short |
Implementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicas |
| title_full |
Implementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicas |
| title_fullStr |
Implementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicas |
| title_full_unstemmed |
Implementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicas |
| title_sort |
Implementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicas |
| dc.creator.fl_str_mv |
Pacanchique-Gamba, Esteban Camilo |
| dc.contributor.advisor.spa.fl_str_mv |
Guzmán-Avendaño, Roger Enrique |
| dc.contributor.author.spa.fl_str_mv |
Pacanchique-Gamba, Esteban Camilo |
| dc.subject.lemb.spa.fl_str_mv |
INTELIGENCIA ARTIFICIAL |
| topic |
INTELIGENCIA ARTIFICIAL ANÁLISIS DE IMÁGENES DETECCIÓN DE OBJETOS COLILLAS DE CIGARRILLO |
| dc.subject.proposal.spa.fl_str_mv |
ANÁLISIS DE IMÁGENES DETECCIÓN DE OBJETOS COLILLAS DE CIGARRILLO |
| description |
Trabajo de investigación tecnológica |
| publishDate |
2020 |
| dc.date.accessioned.spa.fl_str_mv |
2020-10-30T14:43:19Z |
| dc.date.available.spa.fl_str_mv |
2020 2020-10-30T14:43:19Z |
| dc.date.issued.spa.fl_str_mv |
2020 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_71e4c1898caa6e32 |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/TP |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/submittedVersion |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
submittedVersion |
| dc.identifier.citation.spa.fl_str_mv |
Pacanchique-Gamba, E. C. (2020). Implementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicas. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemas. Bogotá, Colombia |
| dc.identifier.uri.spa.fl_str_mv |
https://hdl.handle.net/10983/25158 |
| identifier_str_mv |
Pacanchique-Gamba, E. C. (2020). Implementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicas. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemas. Bogotá, Colombia |
| url |
https://hdl.handle.net/10983/25158 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
“TensorBoard | TensorFlow.” https://www.tensorflow.org/tensorboard (accessed May 23, 2020). “Uso del aprendizaje profundo para el reconocimiento de objetos | DeepLearningItalia.” https://www.deeplearningitalia.com/uso-del-aprendizajeprofundo- para-el-reconocimiento-de-objetos/ (accessed May 23, 2020). “Region Proposal Network (RPN) — Backbone of Faster R-CNN.” https://medium.com/egen/region-proposal-network-rpn-backbone-of-faster-r-cnn- 4a744a38d7f9 (accessed May 23, 2020). “13.8. Region-based CNNs (R-CNNs) — Dive into Deep Learning 0.7.1 documentation.” https://d2l.ai/chapter_computer-vision/rcnn.html (accessed May 23, 2020). “Módulo 4 . Vídeo y animaciones.” “Cigarrillos Mustang en Colombia serán reemplazados por Rothmans - Empresas - Economía - ELTIEMPO.COM.” https://www.eltiempo.com/economia/empresas/cigarrillos-mustang-en-colombiaseran- reemplazados-por-rothmans-94562 (accessed May 23, 2020). “Bebidas y cigarrillos prefieren colombianos top of mind 2017.” https://www.dinero.com/edicion-impresa/caratula/articulo/bebidas-y-cigarrillosprefieren- colombianos-top-of-mind-2017/244572 (accessed May 23, 2020). “DEPARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA RESOLUCIÓN NÚMERO,” 2265. “Deep learning & Convolutional Neuronal Network: qué es y en qué consiste.” https://itelligent.es/es/deep-learning-convolutional-neuronal-network-cnnconsiste/ (accessed May 23, 2020). “US20180260665 DEEP LEARNING SYSTEM FOR RECOGNIZING PILLS IN IMAGES.” https://patentscope.wipo.int/search/en/detail.jsf?docId=US225649535&tab=NATIO NALBIBLIO (accessed May 23, 2020). “Tipos de aprendizaje automático - SoldAI - Medium.” https://medium.com/soldai/tipos-de-aprendizaje-automático-6413e3c615e2 (accessed May 23, 2020). “Machine Learning y Deep Learning: cómo entender las claves del presente y futuro de la inteligencia artificial.” https://www.xataka.com/robotica-e-ia/machinelearning- y-deep-learning-como-entender-las-claves-del-presente-y-futuro-de-lainteligencia- artificial (accessed May 23, 2020). “La inteligencia artificial ¿Hacia dónde nos lleva? - Revista ¿Cómo ves? - Dirección General de Divulgación de la Ciencia de la UNAM.” http://www.comoves.unam.mx/numeros/articulo/2/la-inteligencia-artificial-haciadonde- nos-lleva (accessed May 23, 2020). “inteligencia | Definición | Diccionario de la lengua española | RAE - ASALE.” https://dle.rae.es/inteligencia (accessed May 23, 2020). ASALE.” https://dle.rae.es/inteligencia (accessed May 23, 2020). [15] “Crean la primera red neuronal fotónica del mundo - Tercera Vía.” https://terceravia.mx/2016/11/crean-la-primera-red-neuronal-fotonica-del-mundo/ (accessed May 23, 2020). “Filtros para cigarrillos en Guatemala - Deguate.com.gt.” https://www.deguate.com.gt/guatemala/medicina-y-salud/filtros-para-cigarrillos.php (accessed May 23, 2020). “Por qué las colillas de cigarro contaminan tanto y dónde hay que tirarlas | Nueva Mujer.” https://www.nuevamujer.com/lifestyle/2019/05/18/verdad-fumartirar- los-residuos-cigarro-la-calle.html (accessed May 23, 2020). “Cómo afecta el consumo de tabaco al ambiente - National Geographic en Español.” https://www.ngenespanol.com/naturaleza/como-dana-el-tabaco-almedio- ambiente/ (accessed May 23, 2020). “El cigarrillo, un catálogo de venenos | Ciencias del Envejecimiento – Gerontología – Universidad Maimónides.” https://gerontologia.maimonides.edu/2014/06/el-cigarrillo-un-catalogo-de-venenos/ (accessed May 23, 2020). “Harmful Chemicals in Tobacco Products | American Cancer Society.” https://www.cancer.org/cancer/cancer-causes/tobacco-and-cancer/carcinogensfound- in-tobacco-products.html (accessed May 23, 2020). “Deep Learning: qué es y por qué va a ser una tecnología clave en el futuro de la inteligencia artificial.” https://www.xataka.com/robotica-e-ia/deep-learning que-es-y-por-que-va-a-ser-una-tecnologia-clave-en-el-futuro-de-la-inteligenciaartificial (accessed May 23, 2020). “‘No más colillas en el suelo de Bogotá’: más jóvenes se unen. | Bogota.gov.co.” https://bogota.gov.co/mi-ciudad/ambiente/no-mas-colillas-en-elsuelo- de-bogota-mas-jovenes-se-unen (accessed May 23, 2020). “No hay chicote bueno - Archivo Digital de Noticias de Colombia y el Mundo desde 1.990 - eltiempo.com.” https://www.eltiempo.com/archivo/documento/MAM- 5063272 (accessed May 23, 2020). “OMS | Día Mundial Sin Tabaco 2017: venzamos al tabaco en favor de la salud, la prosperidad, el medio ambiente y el desarrollo de los países,” WHO, 2017. S. Ab, “TrashCam - UAV ’ s for marine litter mapping.” C. Abrahan María, V. Sabate, G. Quiroga, and O. Bruno, “Título del Proyecto: ‘Mi ciudad no es un cenicero,’” pp. 1–15, 2017, [Online]. Available: https://s3.amazonaws.com/academia.edu.documents/60333622/proyecto_Mi_ciud ad_no_es_un_cenicero_EESOPI_N316320190819-56452-xh9avv.pdf?responsecontent- disposition=inline%3B filename%3DTitulo_del_Proyecto_Mi_ciudad_no_es_un_c.pdf&X-Amz- Algorithm=AWS4-HMAC-SH. A. Al-Molegi, M. Jabreel, and B. Ghaleb, “STF-RNN: Space Time Featuresbased Recurrent Neural Network for predicting people next location,” 2016 IEEE Symp. Ser. Comput. Intell. SSCI 2016, 2017, doi: 10.1109/SSCI.2016.7849919. J. C. Alvarez-Zeferino, S. Ojeda-Benitez, A. Vázquez Morillas, M. E. Ramírez-Barreto, M. Beltrán-Villavicencio, and V. L. Rosado-Piña, “Presencia de colillas de cigarros en una playa de Tuxpan, Veracruz,” Los residuos como Recur., vol. 11, no. 1, pp. 13–21, 2018. M. Ángel and M. Cabello, “Segmentación y detección de objetos en imágenes y vídeo mediante inteligencia computacional,” 2018. L. Capurro, I. Titular, and D. Recursos, “Desafíos ambientales en el siglo XXI,” Rev. del Cent. Investig. Univ. La Salle, vol. 4, no. 16, pp. 77–85, 2001. F. Carrillo, “Deep Learning para diagnóstico a partir de imágenes biomédicas Deep Learning para diagn ´ ostico a partir de im ´ agenes Biom ´ edicas,” no. September, 2017. Á. Casado García and J. Heras Vicente, “Guiando la creación de modelos de detección de objetos basados en deep learning,” 2017. D. Chaudhuri, N. K. Kushwaha, I. Sharif, and V. Gohri, “Unique measure for geometrical shape object detection-based on area matching,” Def. Sci. J., vol. 62, no. 1, pp. 58–66, 2012, doi: 10.14429/dsj.62.942. A. Cossío, “Bots, Machine Learning, Servicios Cognitivos Realidad y perspectivas de la Inteligencia Artificial en España, 2018,” Pwc, pp. 1–34, 2018, [Online]. Available: https://www.pwc.es/es/publicaciones/tecnologia/assets/pwc-iaen- espana-2018.pdf. I. Enhancement, “A Simple Cigarette Butts Detection System.” D. Erroz Arroyo, “Visualizando neuronas en Redes Neuronales Convolucionales,” pp. 17–20, 2019, [Online]. Available: https://academicae. unavarra.es/xmlui/bitstream/handle/2454/33694/memoria_TFG.pdf?sequence=1 &isAllowed=y. A. Garcia-Perez, F. Gheriss, D. Bedford, A. Garcia-Perez, F. Gheriss, and D. Bedford, “Measurement, Reliability, and Validity,” Des. Track. Knowl. Manag. Metrics, pp. 163–182, 2019, doi: 10.1108/978-1-78973-723-320191012. M. Gerardo and C. Ku, “en Escenas Complejas para Aplicaciones de Realidad Aumentada,” 2013 R. Girshick, “Fast R-CNN,” Proc. IEEE Int. Conf. Comput. Vis., vol. 2015 Inter, pp. 1440–1448, 2015, doi: 10.1109/ICCV.2015.169. R. Girshick, J. Donahue, T. Darrell, and J. Malik, “Region-Based Convolutional Networks for Accurate Object Detection and Segmentation,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 38, no. 1, pp. 142–158, Jan. 2016, doi: 10.1109/TPAMI.2015.2437384. R. Girshick, J. Donahue, T. Darrell, and J. Malik, “Region-Based Convolutional Networks for Accurate Object Detection and Segmentation,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 38, no. 1, pp. 142–158, 2016, doi: 10.1109/TPAMI.2015.2437384. S. Gupta and Y. J. Singh, “Object detection using shape features,” 2014 IEEE Int. Conf. Comput. Intell. Comput. Res. IEEE ICCIC 2014, no. December 2014, pp. 111–122, 2015, doi: 10.1109/ICCIC.2014.7238445 S. S. Haykin, Neural networks : a comprehensive foundation, 2nd ed. Prentice Hall, 1999. N. F. Hordri, S. S. Yuhaniz, and S. M. Shamsuddin, “Deep Learning and Its Applications : A Review,” Conf. Postgrad. Annu. Res. Informatics, no. October, pp. 1–5, 2016. C. R. Jung and R. Schramm, “Rectangle detection based on a windowed hough transform,” Brazilian Symp. Comput. Graph. Image Process., pp. 113–120, 2004, doi: 10.1109/SIBGRA.2004.1352951 S. Khan, H. Rahmani, S. A. A. Shah, and M. Bennamoun, “A Guide to Convolutional Neural Networks for Computer Vision,” Synth. Lect. Comput. Vis., vol. 8, no. 1, pp. 1–207, 2018, doi: 10.2200/s00822ed1v01y201712cov015 J. Kovačević and A. Chebira, “An introduction to frames,” Found. Trends Signal Process., vol. 2, no. 1, pp. 1–94, 2008, doi: 10.1561/2000000006. A. D. E. La, U. Distrital, and F. José, “Uso Integral De Colillas De Cigarrillo Con Fines Ambientales Y Comerciales. Proyecto Piloto En La Facultad Del Medio Ambiente De La Universidad Distrital Francisco José De Caldas,” Boletín Semillas Ambient., vol. 11, no. 1, pp. 72–79, 2017. P. Leal, “Aprendizaje de intervalos para Redes Bayesianas de Nodos Temporales,” Ccc.Inaoep.Mx, p. 8, 2011, [Online]. Available: http://ccc.inaoep.mx/~esucar/Clases-mgp/Proyectos/reporte_intervalos.pdf. T. Y. Lin et al., “Microsoft COCO: Common objects in context,” in Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2014, vol. 8693 LNCS, no. PART 5, pp. 740–755, doi: 10.1007/978-3-319-10602-1_48. P. Loncomilla, “Deep learning : Redes convolucionales 1 Introducción,” 2017. [52] C. S. Marzan and C. R. Ruiz, “Automated tobacco grading using image processing techniques and a convolutional neural network,” Int. J. Mach. Learn. Comput., vol. 9, no. 6, pp. 807–813, 2019, doi: 10.18178/ijmlc.2019.9.6.877. Ministerio de salud y proteccion social, “Abecé Efectos En La Salud Por El Consumo De Tabaco,” p. 5, 2018, [Online]. Available: http://www.cdc.gov/tobacco/data_statistics/sgr/2010/consumer_booklet/spanish/pdf s/consumer_sp.pdf. M. Monzonis, “Estudio para la minimización del residuo de colillas de tabaco y su posible reutilización,” p. 83, 2011, [Online]. Available: https://riunet.upv.es/bitstream/handle/10251/11025/Memoria.pdf?sequence=1. A. Mordvintsev and K. Abid, “OpenCV-Python Tutorials Documentation,” OpenCV Python Doc., pp. 1–269, 2017, [Online]. Available: https://media.readthedocs.org/pdf/opencv-python-tutroals/latest/opencv-pythontutroals. pdf. J. Nagi et al., “Max-pooling convolutional neural networks for vision-based hand gesture recognition,” 2011 IEEE Int. Conf. Signal Image Process. Appl. ICSIPA 2011, no. November, pp. 342–347, 2011, doi: 10.1109/ICSIPA.2011.6144164. A. Nazar et al., “Quality Control of Cigarettes Packaging using Convolutional Neural Network,” IOP Conf. Ser. Mater. Sci. Eng., vol. 462, no. 1, 2019, doi: 10.1088/1757-899X/462/1/012002. Z. Omary and F. Mtenzi, “Machine Learning Approach to Identifying the Dataset Threshold for the Performance Estimators in,” Int. J. Infonomics, vol. 3, no. 3, pp. 314–325, 2010, doi: 10.20533/iji.1742.4712.2010.0034 J. M. Orera Floría, “Desarrollo de un sistema de detección de personas en ambientes de interior usando cámaras ojo de pez en plano cenital y algoritmos basados en Deep Learning,” 2015. C. Paper and J. B. Maga, “Detección De Objetos En Imágenes Utilizando Opencv Para,” no. July, 2017. Ó. Picazo Montoya, “Redes Neuronales Convolucionales Profundas para el reconocimiento de emociones en imágenes,” p. 45, 2018, [Online]. Available: http://oa.upm.es/51441/%0Ahttp://oa.upm.es/51441/1/TFM_OSCAR_PICAZO_MO NTOYA.pdf. M. S. Rad et al., “A computer vision system to localize and classify wastes on the streets,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 10528 LNCS, pp. 195–204, 2017, doi: 10.1007/978-3-319-68345-4_18. I. M. R-cnn, “sensors An E ffi cient Building Extraction Method from High,” pp. 1–13, 2020. S. Ren, K. He, R. Girshick, and J. Sun, “Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 39, no. 6, pp. 1137–1149, 2017, doi: 10.1109/TPAMI.2016.2577031. Y. Ren, C. Zhu, and S. Xiao, “Object Detection Based on Fast/Faster RCNN Employing Fully Convolutional Architectures,” Math. Probl. Eng., vol. 2018, 2018, doi: 10.1155/2018/3598316. J. Rosell, “El tabaco , un dramático y violento asesino en las vías respiratorias,” vol. 61, pp. 119–144, 2009. I. Salimi, B. S. Bayu Dewantara, and I. K. Wibowo, “Visual-based trash detection and classification system for smart trash bin robot,” Int. Electron. Symp. Knowl. Creat. Intell. Comput. IES-KCIC 2018 - Proc., no. October, pp. 378–383, 2019, doi: 10.1109/KCIC.2018.8628499. C. Sandra, “Transformación De Las Colillas De Ciigarrillo a Medios Creadores De Vida, Para Mitigar El Impacto Ambiental.,” p. 44, 2011, [Online]. Available: https://repository.javeriana.edu.co/handle/10554/4154. J. Sebastian and G. Prieto, “Redes neuronales convolucionales y redes neuronales recurrentes en la transcripción automática Redes neuronales convolucionales y redes neuronales recurrentes en la transcripci ´ on autom ´ atica,” no. July, 2019, doi: 10.13140/RG.2.2.10855.39843. S. Shalev-Shwartz and S. Ben-David, Understanding machine learning: From theory to algorithms, vol. 9781107057. 2013. W. Zaremba, I. Sutskever, and O. Vinyals, “Recurrent Neural Network Regularization,” no. 2013, pp. 1–8, 2014, [Online]. Available: http://arxiv.org/abs/1409.2329. H. Rezatofighi, N. Tsoi, J. Gwak, A. Sadeghian, I. Reid, and S. Savarese, “Generalized intersection over union: A metric and a loss for bounding box regression,” Proc. IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit., vol. 2019-June, pp. 658–666, 2019, doi: 10.1109/CVPR.2019.00075. L. D. Nguyen, D. Lin, Z. Lin, and J. Cao, “Deep CNNs for microscopic image classification by exploiting transfer learning and feature concatenation,” Proc. - IEEE Int. Symp. Circuits Syst., vol. 2018-May, no. June, 2018, doi: 10.1109/ISCAS.2018.8351550. H. Wehle, “ML – AI- COGNITIVE,” no. July, 2017 C. Szegedy, S. Ioffe, V. Vanhoucke, and A. A. Alemi, “Inception-v4, inception-ResNet and the impact of residual connections on learning,” 31st AAAI Conf. Artif. Intell. AAAI 2017, pp. 4278–4284, 2017. S.Goswami, “A deeper look at how Faster-RCNN works”. [online] available in: https://medium.com/@whatdhack/a-deeper-look-at-how-faster-rcnn-works- 84081284e1cd. J.Hui, “Object detection: speed and accuracy comparison (Faster R-CNN, RFCN, SSD, FPN, RetinaNet and YOLOv3),” [online] available in: https://medium.com/@jonathan_hui/object-detection-speed-and-accuracycomparison- faster-r-cnn-r-fcn-ssd-and-yolo-5425656ae359. C. Szegedy, S. Ioffe, V. Vanhoucke, and A. A. Alemi, “Inception-v4, inception- ResNet and the impact of residual connections on learning,” 31st AAAI Conf. Artif. Intell. AAAI 2017, pp. 4278–4284, 2017. Pagina principal Nvidia corporation. “Nvidia tesla K80, la GPU más popular del mundo”. [en línea] Disponibe en: https://www.nvidia.com/es-la/data-center/teslak80/ R, Jie Tan. “Breaking Down Mean Average Precision (mAP)” [online] Available in: https://towardsdatascience.com/breaking-down-mean-average-precision-mapae462f623a52# 1a59 (accessed May 23, 2020 |
| dc.rights.spa.fl_str_mv |
Derechos Reservados - Universidad Católica de Colombia, 2020 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| rights_invalid_str_mv |
Derechos Reservados - Universidad Católica de Colombia, 2020 Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
111 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Católica de Colombia |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.place.spa.fl_str_mv |
Bogotá |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería de Sistemas y Computación |
| institution |
Universidad Católica de Colombia |
| bitstream.url.fl_str_mv |
https://repository.ucatolica.edu.co/bitstreams/c6aae6b5-1f47-489d-87e2-64c40367167e/download https://repository.ucatolica.edu.co/bitstreams/a64c5016-64a8-4685-9a3c-f594ca35fb05/download https://repository.ucatolica.edu.co/bitstreams/e412fe43-11b9-465e-9f2d-5b7fbc73b10c/download https://repository.ucatolica.edu.co/bitstreams/fdd5e7bf-1940-4377-a1ea-6f144fb4b5ec/download https://repository.ucatolica.edu.co/bitstreams/00316b60-1e64-41fc-99cd-9d8ae033321d/download https://repository.ucatolica.edu.co/bitstreams/4823f505-28e9-4fa8-aaee-f848d52baf90/download |
| bitstream.checksum.fl_str_mv |
94382ae0acd71d6f879917f34d98dff3 73afdca5e10b9c370ff83b83ad8ae3e4 31f4496df81f7f6c40e618e2331d05cc 5b4248950e63a6cd871ebd2e483fd083 1c45f1054712ae1ee09012945457e65e ee7b660807924e10be1ef757dff6c914 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Católica de Colombia - RIUCaC |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1814256211016548352 |
| spelling |
Guzmán-Avendaño, Roger Enriquedc5ef683-0f72-499f-a58c-6325098b9650-1Pacanchique-Gamba, Esteban Camilo66f2c10f-35b2-4ed0-9d32-df1e74c6c5d0-12020-10-30T14:43:19Z20202020-10-30T14:43:19Z2020Trabajo de investigación tecnológicaLa contaminación del medio ambiente se ha convertido en un tema de estudio bastante importante en la actualidad debido a las diferentes crisis ambientales y de salubridad a las que se ha visto enfrentado el planeta. Los residuos de los cigarrillos son un agente de contaminación bastante importante y puede llegar a perjudicar una gran cantidad de recursos naturales que afectan directamente la vida cotidiana de las personas. Por este motivo durante este proyecto se buscó construir un aporte a esta problemática, con la implementación de técnicas de inteligencia artificial para la detección de colillas de cigarrillo en imágenes, con la intención de brindar un primer peldaño en el desarrollo de una solución que ayude a disminuir los niveles de contaminación en áreas públicas. Para conseguir el objetivo general del proyecto fue necesario el desarrollo de una vigilancia tecnológica con el fin de indagar en las tendencias actuales a nivel investigativo en temas que tienen relación con la detección de objetos en imágenes. Este proceso permitió seleccionar un modelo de Deep learning por medio del análisis bibliográfico de los documentos encontrados en la base de datos scopus. Se identifico una red de clústeres de palabras claves correlacionadas que genero una aproximación significativa con las palabras claves determinadas para el proyecto y a partir de esta red se decidió implementar un modelo de red neuronal convolucional conocido como Faster RCNN.PregradoIngeniero de SistemasINTRODUCCIÓN 1. GENERALIDADES 2. MARCO DE REFERENCIA 3. METODOLOGÍA 4. DESARROLLO DE LA PROPUESTA 5. CONCLUSIONES 6. TRABAJOS FUTUROS 7. BIBLIOGRAFÍA111 páginasapplication/pdfPacanchique-Gamba, E. C. (2020). Implementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicas. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemas. Bogotá, Colombiahttps://hdl.handle.net/10983/25158spaUniversidad Católica de ColombiaFacultad de IngenieríaBogotáIngeniería de Sistemas y Computación“TensorBoard | TensorFlow.” https://www.tensorflow.org/tensorboard (accessed May 23, 2020).“Uso del aprendizaje profundo para el reconocimiento de objetos | DeepLearningItalia.” https://www.deeplearningitalia.com/uso-del-aprendizajeprofundo- para-el-reconocimiento-de-objetos/ (accessed May 23, 2020).“Region Proposal Network (RPN) — Backbone of Faster R-CNN.” https://medium.com/egen/region-proposal-network-rpn-backbone-of-faster-r-cnn- 4a744a38d7f9 (accessed May 23, 2020).“13.8. Region-based CNNs (R-CNNs) — Dive into Deep Learning 0.7.1 documentation.” https://d2l.ai/chapter_computer-vision/rcnn.html (accessed May 23, 2020).“Módulo 4 . Vídeo y animaciones.”“Cigarrillos Mustang en Colombia serán reemplazados por Rothmans - Empresas - Economía - ELTIEMPO.COM.” https://www.eltiempo.com/economia/empresas/cigarrillos-mustang-en-colombiaseran- reemplazados-por-rothmans-94562 (accessed May 23, 2020).“Bebidas y cigarrillos prefieren colombianos top of mind 2017.” https://www.dinero.com/edicion-impresa/caratula/articulo/bebidas-y-cigarrillosprefieren- colombianos-top-of-mind-2017/244572 (accessed May 23, 2020).“DEPARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA RESOLUCIÓN NÚMERO,” 2265.“Deep learning & Convolutional Neuronal Network: qué es y en qué consiste.” https://itelligent.es/es/deep-learning-convolutional-neuronal-network-cnnconsiste/ (accessed May 23, 2020).“US20180260665 DEEP LEARNING SYSTEM FOR RECOGNIZING PILLS IN IMAGES.” https://patentscope.wipo.int/search/en/detail.jsf?docId=US225649535&tab=NATIO NALBIBLIO (accessed May 23, 2020).“Tipos de aprendizaje automático - SoldAI - Medium.” https://medium.com/soldai/tipos-de-aprendizaje-automático-6413e3c615e2 (accessed May 23, 2020).“Machine Learning y Deep Learning: cómo entender las claves del presente y futuro de la inteligencia artificial.” https://www.xataka.com/robotica-e-ia/machinelearning- y-deep-learning-como-entender-las-claves-del-presente-y-futuro-de-lainteligencia- artificial (accessed May 23, 2020).“La inteligencia artificial ¿Hacia dónde nos lleva? - Revista ¿Cómo ves? - Dirección General de Divulgación de la Ciencia de la UNAM.” http://www.comoves.unam.mx/numeros/articulo/2/la-inteligencia-artificial-haciadonde- nos-lleva (accessed May 23, 2020).“inteligencia | Definición | Diccionario de la lengua española | RAE - ASALE.” https://dle.rae.es/inteligencia (accessed May 23, 2020).ASALE.” https://dle.rae.es/inteligencia (accessed May 23, 2020). [15] “Crean la primera red neuronal fotónica del mundo - Tercera Vía.” https://terceravia.mx/2016/11/crean-la-primera-red-neuronal-fotonica-del-mundo/ (accessed May 23, 2020).“Filtros para cigarrillos en Guatemala - Deguate.com.gt.” https://www.deguate.com.gt/guatemala/medicina-y-salud/filtros-para-cigarrillos.php (accessed May 23, 2020).“Por qué las colillas de cigarro contaminan tanto y dónde hay que tirarlas | Nueva Mujer.” https://www.nuevamujer.com/lifestyle/2019/05/18/verdad-fumartirar- los-residuos-cigarro-la-calle.html (accessed May 23, 2020).“Cómo afecta el consumo de tabaco al ambiente - National Geographic en Español.” https://www.ngenespanol.com/naturaleza/como-dana-el-tabaco-almedio- ambiente/ (accessed May 23, 2020).“El cigarrillo, un catálogo de venenos | Ciencias del Envejecimiento – Gerontología – Universidad Maimónides.” https://gerontologia.maimonides.edu/2014/06/el-cigarrillo-un-catalogo-de-venenos/ (accessed May 23, 2020).“Harmful Chemicals in Tobacco Products | American Cancer Society.” https://www.cancer.org/cancer/cancer-causes/tobacco-and-cancer/carcinogensfound- in-tobacco-products.html (accessed May 23, 2020).“Deep Learning: qué es y por qué va a ser una tecnología clave en el futuro de la inteligencia artificial.” https://www.xataka.com/robotica-e-ia/deep-learning que-es-y-por-que-va-a-ser-una-tecnologia-clave-en-el-futuro-de-la-inteligenciaartificial (accessed May 23, 2020).“‘No más colillas en el suelo de Bogotá’: más jóvenes se unen. | Bogota.gov.co.” https://bogota.gov.co/mi-ciudad/ambiente/no-mas-colillas-en-elsuelo- de-bogota-mas-jovenes-se-unen (accessed May 23, 2020).“No hay chicote bueno - Archivo Digital de Noticias de Colombia y el Mundo desde 1.990 - eltiempo.com.” https://www.eltiempo.com/archivo/documento/MAM- 5063272 (accessed May 23, 2020).“OMS | Día Mundial Sin Tabaco 2017: venzamos al tabaco en favor de la salud, la prosperidad, el medio ambiente y el desarrollo de los países,” WHO, 2017.S. Ab, “TrashCam - UAV ’ s for marine litter mapping.”C. Abrahan María, V. Sabate, G. Quiroga, and O. Bruno, “Título del Proyecto: ‘Mi ciudad no es un cenicero,’” pp. 1–15, 2017, [Online]. Available: https://s3.amazonaws.com/academia.edu.documents/60333622/proyecto_Mi_ciud ad_no_es_un_cenicero_EESOPI_N316320190819-56452-xh9avv.pdf?responsecontent- disposition=inline%3B filename%3DTitulo_del_Proyecto_Mi_ciudad_no_es_un_c.pdf&X-Amz- Algorithm=AWS4-HMAC-SH.A. Al-Molegi, M. Jabreel, and B. Ghaleb, “STF-RNN: Space Time Featuresbased Recurrent Neural Network for predicting people next location,” 2016 IEEE Symp. Ser. Comput. Intell. SSCI 2016, 2017, doi: 10.1109/SSCI.2016.7849919.J. C. Alvarez-Zeferino, S. Ojeda-Benitez, A. Vázquez Morillas, M. E. Ramírez-Barreto, M. Beltrán-Villavicencio, and V. L. Rosado-Piña, “Presencia de colillas de cigarros en una playa de Tuxpan, Veracruz,” Los residuos como Recur., vol. 11, no. 1, pp. 13–21, 2018.M. Ángel and M. Cabello, “Segmentación y detección de objetos en imágenes y vídeo mediante inteligencia computacional,” 2018.L. Capurro, I. Titular, and D. Recursos, “Desafíos ambientales en el siglo XXI,” Rev. del Cent. Investig. Univ. La Salle, vol. 4, no. 16, pp. 77–85, 2001.F. Carrillo, “Deep Learning para diagnóstico a partir de imágenes biomédicas Deep Learning para diagn ´ ostico a partir de im ´ agenes Biom ´ edicas,” no. September, 2017.Á. Casado García and J. Heras Vicente, “Guiando la creación de modelos de detección de objetos basados en deep learning,” 2017.D. Chaudhuri, N. K. Kushwaha, I. Sharif, and V. Gohri, “Unique measure for geometrical shape object detection-based on area matching,” Def. Sci. J., vol. 62, no. 1, pp. 58–66, 2012, doi: 10.14429/dsj.62.942.A. Cossío, “Bots, Machine Learning, Servicios Cognitivos Realidad y perspectivas de la Inteligencia Artificial en España, 2018,” Pwc, pp. 1–34, 2018, [Online]. Available: https://www.pwc.es/es/publicaciones/tecnologia/assets/pwc-iaen- espana-2018.pdf.I. Enhancement, “A Simple Cigarette Butts Detection System.”D. Erroz Arroyo, “Visualizando neuronas en Redes Neuronales Convolucionales,” pp. 17–20, 2019, [Online]. Available: https://academicae. unavarra.es/xmlui/bitstream/handle/2454/33694/memoria_TFG.pdf?sequence=1 &isAllowed=y.A. Garcia-Perez, F. Gheriss, D. Bedford, A. Garcia-Perez, F. Gheriss, and D. Bedford, “Measurement, Reliability, and Validity,” Des. Track. Knowl. Manag. Metrics, pp. 163–182, 2019, doi: 10.1108/978-1-78973-723-320191012.M. Gerardo and C. Ku, “en Escenas Complejas para Aplicaciones de Realidad Aumentada,” 2013R. Girshick, “Fast R-CNN,” Proc. IEEE Int. Conf. Comput. Vis., vol. 2015 Inter, pp. 1440–1448, 2015, doi: 10.1109/ICCV.2015.169.R. Girshick, J. Donahue, T. Darrell, and J. Malik, “Region-Based Convolutional Networks for Accurate Object Detection and Segmentation,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 38, no. 1, pp. 142–158, Jan. 2016, doi: 10.1109/TPAMI.2015.2437384.R. Girshick, J. Donahue, T. Darrell, and J. Malik, “Region-Based Convolutional Networks for Accurate Object Detection and Segmentation,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 38, no. 1, pp. 142–158, 2016, doi: 10.1109/TPAMI.2015.2437384.S. Gupta and Y. J. Singh, “Object detection using shape features,” 2014 IEEE Int. Conf. Comput. Intell. Comput. Res. IEEE ICCIC 2014, no. December 2014, pp. 111–122, 2015, doi: 10.1109/ICCIC.2014.7238445S. S. Haykin, Neural networks : a comprehensive foundation, 2nd ed. Prentice Hall, 1999.N. F. Hordri, S. S. Yuhaniz, and S. M. Shamsuddin, “Deep Learning and Its Applications : A Review,” Conf. Postgrad. Annu. Res. Informatics, no. October, pp. 1–5, 2016.C. R. Jung and R. Schramm, “Rectangle detection based on a windowed hough transform,” Brazilian Symp. Comput. Graph. Image Process., pp. 113–120, 2004, doi: 10.1109/SIBGRA.2004.1352951S. Khan, H. Rahmani, S. A. A. Shah, and M. Bennamoun, “A Guide to Convolutional Neural Networks for Computer Vision,” Synth. Lect. Comput. Vis., vol. 8, no. 1, pp. 1–207, 2018, doi: 10.2200/s00822ed1v01y201712cov015J. Kovačević and A. Chebira, “An introduction to frames,” Found. Trends Signal Process., vol. 2, no. 1, pp. 1–94, 2008, doi: 10.1561/2000000006.A. D. E. La, U. Distrital, and F. José, “Uso Integral De Colillas De Cigarrillo Con Fines Ambientales Y Comerciales. Proyecto Piloto En La Facultad Del Medio Ambiente De La Universidad Distrital Francisco José De Caldas,” Boletín Semillas Ambient., vol. 11, no. 1, pp. 72–79, 2017.P. Leal, “Aprendizaje de intervalos para Redes Bayesianas de Nodos Temporales,” Ccc.Inaoep.Mx, p. 8, 2011, [Online]. Available: http://ccc.inaoep.mx/~esucar/Clases-mgp/Proyectos/reporte_intervalos.pdf.T. Y. Lin et al., “Microsoft COCO: Common objects in context,” in Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2014, vol. 8693 LNCS, no. PART 5, pp. 740–755, doi: 10.1007/978-3-319-10602-1_48.P. Loncomilla, “Deep learning : Redes convolucionales 1 Introducción,” 2017.[52] C. S. Marzan and C. R. Ruiz, “Automated tobacco grading using image processing techniques and a convolutional neural network,” Int. J. Mach. Learn. Comput., vol. 9, no. 6, pp. 807–813, 2019, doi: 10.18178/ijmlc.2019.9.6.877.Ministerio de salud y proteccion social, “Abecé Efectos En La Salud Por El Consumo De Tabaco,” p. 5, 2018, [Online]. Available: http://www.cdc.gov/tobacco/data_statistics/sgr/2010/consumer_booklet/spanish/pdf s/consumer_sp.pdf.M. Monzonis, “Estudio para la minimización del residuo de colillas de tabaco y su posible reutilización,” p. 83, 2011, [Online]. Available: https://riunet.upv.es/bitstream/handle/10251/11025/Memoria.pdf?sequence=1.A. Mordvintsev and K. Abid, “OpenCV-Python Tutorials Documentation,” OpenCV Python Doc., pp. 1–269, 2017, [Online]. Available: https://media.readthedocs.org/pdf/opencv-python-tutroals/latest/opencv-pythontutroals. pdf.J. Nagi et al., “Max-pooling convolutional neural networks for vision-based hand gesture recognition,” 2011 IEEE Int. Conf. Signal Image Process. Appl. ICSIPA 2011, no. November, pp. 342–347, 2011, doi: 10.1109/ICSIPA.2011.6144164.A. Nazar et al., “Quality Control of Cigarettes Packaging using Convolutional Neural Network,” IOP Conf. Ser. Mater. Sci. Eng., vol. 462, no. 1, 2019, doi: 10.1088/1757-899X/462/1/012002.Z. Omary and F. Mtenzi, “Machine Learning Approach to Identifying the Dataset Threshold for the Performance Estimators in,” Int. J. Infonomics, vol. 3, no. 3, pp. 314–325, 2010, doi: 10.20533/iji.1742.4712.2010.0034J. M. Orera Floría, “Desarrollo de un sistema de detección de personas en ambientes de interior usando cámaras ojo de pez en plano cenital y algoritmos basados en Deep Learning,” 2015.C. Paper and J. B. Maga, “Detección De Objetos En Imágenes Utilizando Opencv Para,” no. July, 2017.Ó. Picazo Montoya, “Redes Neuronales Convolucionales Profundas para el reconocimiento de emociones en imágenes,” p. 45, 2018, [Online]. Available: http://oa.upm.es/51441/%0Ahttp://oa.upm.es/51441/1/TFM_OSCAR_PICAZO_MO NTOYA.pdf.M. S. Rad et al., “A computer vision system to localize and classify wastes on the streets,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 10528 LNCS, pp. 195–204, 2017, doi: 10.1007/978-3-319-68345-4_18.I. M. R-cnn, “sensors An E ffi cient Building Extraction Method from High,” pp. 1–13, 2020.S. Ren, K. He, R. Girshick, and J. Sun, “Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 39, no. 6, pp. 1137–1149, 2017, doi: 10.1109/TPAMI.2016.2577031.Y. Ren, C. Zhu, and S. Xiao, “Object Detection Based on Fast/Faster RCNN Employing Fully Convolutional Architectures,” Math. Probl. Eng., vol. 2018, 2018, doi: 10.1155/2018/3598316.J. Rosell, “El tabaco , un dramático y violento asesino en las vías respiratorias,” vol. 61, pp. 119–144, 2009.I. Salimi, B. S. Bayu Dewantara, and I. K. Wibowo, “Visual-based trash detection and classification system for smart trash bin robot,” Int. Electron. Symp. Knowl. Creat. Intell. Comput. IES-KCIC 2018 - Proc., no. October, pp. 378–383, 2019, doi: 10.1109/KCIC.2018.8628499.C. Sandra, “Transformación De Las Colillas De Ciigarrillo a Medios Creadores De Vida, Para Mitigar El Impacto Ambiental.,” p. 44, 2011, [Online]. Available: https://repository.javeriana.edu.co/handle/10554/4154.J. Sebastian and G. Prieto, “Redes neuronales convolucionales y redes neuronales recurrentes en la transcripción automática Redes neuronales convolucionales y redes neuronales recurrentes en la transcripci ´ on autom ´ atica,” no. July, 2019, doi: 10.13140/RG.2.2.10855.39843.S. Shalev-Shwartz and S. Ben-David, Understanding machine learning: From theory to algorithms, vol. 9781107057. 2013.W. Zaremba, I. Sutskever, and O. Vinyals, “Recurrent Neural Network Regularization,” no. 2013, pp. 1–8, 2014, [Online]. Available: http://arxiv.org/abs/1409.2329.H. Rezatofighi, N. Tsoi, J. Gwak, A. Sadeghian, I. Reid, and S. Savarese, “Generalized intersection over union: A metric and a loss for bounding box regression,” Proc. IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit., vol. 2019-June, pp. 658–666, 2019, doi: 10.1109/CVPR.2019.00075.L. D. Nguyen, D. Lin, Z. Lin, and J. Cao, “Deep CNNs for microscopic image classification by exploiting transfer learning and feature concatenation,” Proc. - IEEE Int. Symp. Circuits Syst., vol. 2018-May, no. June, 2018, doi: 10.1109/ISCAS.2018.8351550.H. Wehle, “ML – AI- COGNITIVE,” no. July, 2017C. Szegedy, S. Ioffe, V. Vanhoucke, and A. A. Alemi, “Inception-v4, inception-ResNet and the impact of residual connections on learning,” 31st AAAI Conf. Artif. Intell. AAAI 2017, pp. 4278–4284, 2017.S.Goswami, “A deeper look at how Faster-RCNN works”. [online] available in: https://medium.com/@whatdhack/a-deeper-look-at-how-faster-rcnn-works- 84081284e1cd.J.Hui, “Object detection: speed and accuracy comparison (Faster R-CNN, RFCN, SSD, FPN, RetinaNet and YOLOv3),” [online] available in: https://medium.com/@jonathan_hui/object-detection-speed-and-accuracycomparison- faster-r-cnn-r-fcn-ssd-and-yolo-5425656ae359.C. Szegedy, S. Ioffe, V. Vanhoucke, and A. A. Alemi, “Inception-v4, inception- ResNet and the impact of residual connections on learning,” 31st AAAI Conf. Artif. Intell. AAAI 2017, pp. 4278–4284, 2017.Pagina principal Nvidia corporation. “Nvidia tesla K80, la GPU más popular del mundo”. [en línea] Disponibe en: https://www.nvidia.com/es-la/data-center/teslak80/R, Jie Tan. “Breaking Down Mean Average Precision (mAP)” [online] Available in: https://towardsdatascience.com/breaking-down-mean-average-precision-mapae462f623a52# 1a59 (accessed May 23, 2020Derechos Reservados - Universidad Católica de Colombia, 2020info:eu-repo/semantics/openAccessAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)https://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2INTELIGENCIA ARTIFICIALANÁLISIS DE IMÁGENESDETECCIÓN DE OBJETOSCOLILLAS DE CIGARRILLOImplementación de una técnica de inteligencia artificial para el análisis de imágenes en búsqueda de la identificación de colillas de cigarrillos en áreas públicasTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/submittedVersionhttp://purl.org/coar/version/c_71e4c1898caa6e32PublicationORIGINALDocumentoTesis (1).pdfDocumentoTesis (1).pdfapplication/pdf4901933https://repository.ucatolica.edu.co/bitstreams/c6aae6b5-1f47-489d-87e2-64c40367167e/download94382ae0acd71d6f879917f34d98dff3MD51RAE.pdfRAE.pdfapplication/pdf162819https://repository.ucatolica.edu.co/bitstreams/a64c5016-64a8-4685-9a3c-f594ca35fb05/download73afdca5e10b9c370ff83b83ad8ae3e4MD52TEXTDocumentoTesis (1).pdf.txtDocumentoTesis (1).pdf.txtExtracted texttext/plain192553https://repository.ucatolica.edu.co/bitstreams/e412fe43-11b9-465e-9f2d-5b7fbc73b10c/download31f4496df81f7f6c40e618e2331d05ccMD53RAE.pdf.txtRAE.pdf.txtExtracted texttext/plain27487https://repository.ucatolica.edu.co/bitstreams/fdd5e7bf-1940-4377-a1ea-6f144fb4b5ec/download5b4248950e63a6cd871ebd2e483fd083MD55THUMBNAILDocumentoTesis (1).pdf.jpgDocumentoTesis (1).pdf.jpgRIUCACimage/jpeg12251https://repository.ucatolica.edu.co/bitstreams/00316b60-1e64-41fc-99cd-9d8ae033321d/download1c45f1054712ae1ee09012945457e65eMD54RAE.pdf.jpgRAE.pdf.jpgRIUCACimage/jpeg21005https://repository.ucatolica.edu.co/bitstreams/4823f505-28e9-4fa8-aaee-f848d52baf90/downloadee7b660807924e10be1ef757dff6c914MD5610983/25158oai:repository.ucatolica.edu.co:10983/251582023-03-24 14:51:34.292https://creativecommons.org/licenses/by-nc-sa/4.0/Derechos Reservados - Universidad Católica de Colombia, 2020https://repository.ucatolica.edu.coRepositorio Institucional Universidad Católica de Colombia - RIUCaCbdigital@metabiblioteca.com |