Prototipo de aplicación móvil para la gestión de ventas en el sector agrícola integrando técnicas de inteligencia artificial y computación en la nube
El proyecto que será presentado a continuación trata sobre el diseño y la construcción de un prototipo de aplicación móvil para la gestión de ventas en el sector agrícola. En el desarrollo del proyecto se hizo fuerte énfasis en la utilización de tendencias tecnológicas relevantes y crecientes, por e...
- Autores:
-
Abuchaibe Manzano, Javier
Gómez Durán, Xahep Julián
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/16261
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/16261
- Palabra clave:
- Systems engineer
Technological innovations
Mobile app
Image analysis
Android operating
Mobile camera
Prototype development
Artificial intelligence
Sales management
Information storage
Ingeniería de sistemas
Innovaciones tecnológicas
Desarrollo de prototipos
Inteligencia artificial
Almacenamiento de información
Aplicación móvil
Análisis de imágenes
Operativo Android
Cámara móvil
Gestión de ventas
- Rights
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_5625134dad7f9ba9b5cd69dec32caa19 |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/16261 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Prototipo de aplicación móvil para la gestión de ventas en el sector agrícola integrando técnicas de inteligencia artificial y computación en la nube |
| dc.title.translated.spa.fl_str_mv |
Mobile application prototype for sales management in the agricultural sector integrating artificial intelligence and cloud computing techniques |
| title |
Prototipo de aplicación móvil para la gestión de ventas en el sector agrícola integrando técnicas de inteligencia artificial y computación en la nube |
| spellingShingle |
Prototipo de aplicación móvil para la gestión de ventas en el sector agrícola integrando técnicas de inteligencia artificial y computación en la nube Systems engineer Technological innovations Mobile app Image analysis Android operating Mobile camera Prototype development Artificial intelligence Sales management Information storage Ingeniería de sistemas Innovaciones tecnológicas Desarrollo de prototipos Inteligencia artificial Almacenamiento de información Aplicación móvil Análisis de imágenes Operativo Android Cámara móvil Gestión de ventas |
| title_short |
Prototipo de aplicación móvil para la gestión de ventas en el sector agrícola integrando técnicas de inteligencia artificial y computación en la nube |
| title_full |
Prototipo de aplicación móvil para la gestión de ventas en el sector agrícola integrando técnicas de inteligencia artificial y computación en la nube |
| title_fullStr |
Prototipo de aplicación móvil para la gestión de ventas en el sector agrícola integrando técnicas de inteligencia artificial y computación en la nube |
| title_full_unstemmed |
Prototipo de aplicación móvil para la gestión de ventas en el sector agrícola integrando técnicas de inteligencia artificial y computación en la nube |
| title_sort |
Prototipo de aplicación móvil para la gestión de ventas en el sector agrícola integrando técnicas de inteligencia artificial y computación en la nube |
| dc.creator.fl_str_mv |
Abuchaibe Manzano, Javier Gómez Durán, Xahep Julián |
| dc.contributor.advisor.none.fl_str_mv |
Talero Sarmiento, Leonardo Hernán Moreno Corzo, Feisar Enrique Parra Sánchez, Diana Teresa |
| dc.contributor.author.none.fl_str_mv |
Abuchaibe Manzano, Javier Gómez Durán, Xahep Julián |
| dc.contributor.cvlac.spa.fl_str_mv |
Talero Sarmiento, Leonardo Hernán [0000031387] Moreno Corzo, Feisar Enrique [0001499008] Parra Sánchez, Diana Teresa [0001476224] |
| dc.contributor.googlescholar.spa.fl_str_mv |
Moreno Corzo, Feisar Enrique [jz75nEcAAAAJ&hl=es&oi=ao] Parra Sánchez, Diana Teresa [oxohr6EAAAAJ] |
| dc.contributor.orcid.spa.fl_str_mv |
Talero Sarmiento, Leonardo Hernán [0000-0002-4129-9163] Moreno Corzo, Feisar Enrique [0000-0002-5007-3422] Parra Sánchez, Diana Teresa [0000-0002-7649-0849] |
| dc.contributor.scopus.spa.fl_str_mv |
Parra Sánchez, Diana Teresa [57195677014] |
| dc.contributor.researchgate.spa.fl_str_mv |
Talero Sarmiento, Leonardo Hernán [Leonardo_Talero] Moreno Corzo, Feisar Enrique [Feisar-Enrique-Moreno-Corzo-2169498891] Parra Sánchez, Diana Teresa [Diana_Parra_Sanchez] |
| dc.subject.keywords.spa.fl_str_mv |
Systems engineer Technological innovations Mobile app Image analysis Android operating Mobile camera Prototype development Artificial intelligence Sales management Information storage |
| topic |
Systems engineer Technological innovations Mobile app Image analysis Android operating Mobile camera Prototype development Artificial intelligence Sales management Information storage Ingeniería de sistemas Innovaciones tecnológicas Desarrollo de prototipos Inteligencia artificial Almacenamiento de información Aplicación móvil Análisis de imágenes Operativo Android Cámara móvil Gestión de ventas |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería de sistemas Innovaciones tecnológicas Desarrollo de prototipos Inteligencia artificial Almacenamiento de información |
| dc.subject.proposal.spa.fl_str_mv |
Aplicación móvil Análisis de imágenes Operativo Android Cámara móvil Gestión de ventas |
| description |
El proyecto que será presentado a continuación trata sobre el diseño y la construcción de un prototipo de aplicación móvil para la gestión de ventas en el sector agrícola. En el desarrollo del proyecto se hizo fuerte énfasis en la utilización de tendencias tecnológicas relevantes y crecientes, por esto se hizo uso de la computación en la nube y la inteligencia artificial. El diseño del prototipo se vio altamente influenciado por el usuario final, los agricultores, a través de un diseño colaborativo. El prototipo que se desarrolló, a través del análisis de imágenes, realiza un conteo de los bultos de limón en sus bodegas y devuelve un precio estimado, se espera que esto ayude en el proceso de tomas de decisiones de los agricultores. El aplicativo se desarrolló para dispositivos móviles con sistema operativo Android y requiere del uso de la cámara móvil de dicho dispositivo, además la mayoría de sus funcionalidades estarán disponibles aún si no se cuenta con conexión a internet. Para el cálculo de los precios estimados se utilizan datos publicados por la entidad responsable de la producción de estadísticas oficiales en Colombia, el DANE. El desarrollo del proyecto consta de varias etapas, la primera de ellas fue la recopilación y el estudio exhaustivo de la literatura relevante que nos permitió ampliar nuestros conocimientos sobre las tecnologías y las técnicas asociadas a nuestro proyecto. Posteriormente, se realizan dos diseños principales que atraviesan una etapa de selección con apoyo de los usuarios finales. Por último, se construye el prototipo y se verifica su funcionamiento. |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021-11-19 |
| dc.date.accessioned.none.fl_str_mv |
2022-04-22T16:13:06Z |
| dc.date.available.none.fl_str_mv |
2022-04-22T16:13:06Z |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.local.spa.fl_str_mv |
Trabajo de Grado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/16261 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unab.edu.co |
| url |
http://hdl.handle.net/20.500.12749/16261 |
| identifier_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Acharya, T., & Ray, A. (2005). Image Processing: Principles and Applications . https://books.google.es/books?hl=es&lr=&id=smBw4xvfrIC&oi=fnd&pg=PR7&dq=image+processing&ots=FZB19OxRCH&sig=95nls Odk59k84hk9IH1kbpVsg9Y#v=onepage&q&f=false Aguirre Dobernack, N. (2013). Implementación De Un Sistema De Detección De Señales De Tráfico Mediante Visión Artificial Basado En Fpga. 255 Alexandrova, S., Tatlock, Z., & Cakmak, M. (2015). RoboFlow: A Flow-based Visual Programming Language for Mobile Manipulation Tasks. http://youtu.be/c3Cq0sy4TBs AlexeyAB. (2020). AlexeyAB/darknet: YOLOv4 / Scaled-YOLOv4 / YOLO - Neural Networks for Object Detection (Windows and Linux version of Darknet ). https://github.com/AlexeyAB/darknet Ampatzidis, Y., Partel, V., & Costa, L. (2020). Agroview: Cloud-based application to process, analyze and visualize UAV-collected data for precision agriculture applications utilizing artificial intelligence. Computers and Electronics in Agriculture, 174(April), 105457. https://doi.org/10.1016/j.compag.2020.105457 Android Studio Developers. (2021, May 17). Introducción a Android Studio | Desarrolladores de Android. https://developer.android.com/studio/intro?hl=es-419 Ardións, A. (2016, May 16). Android Studio: Requisitos mínimos. https://androidstudiofaqs.com/conceptos/android-studio-requisitos-minimos Arias, Á. (2015, January 11). Computación en la Nube: 2a Edición. https://books.google.com.co/books/about/Computación_en_la_Nube.html?id=0_mCgAAQBAJ&redir_esc=y Barrio, M. (2018). Internet de las Cosas. https://books.google.es/books?hl=es&lr=&id=jFLDwAAQBAJ&oi=fnd&pg=PA9&dq=Qué+es+el+internet+de+la+cosas&ots=3L K3iz5jzO&sig=geerUNMUtb0weqb9BbzWO1A06Jk#v=onepage&q&f=false Bhatnagar, V., Singh, G., Kumar, G., & Gupta, R. (2020). Internet of Things in Smart Agriculture: Applications and Open Challenges. International Journal of Students’ Research in Technology & Management, 8(1), 11–17. https://doi.org/10.18510/ijsrtm.2020.812 Botina Patiño, V. E., & Díaz Moreno, J. S. (2017). Guía de exportación de limón Tahití. https://repository.icesi.edu.co/biblioteca_digital/bitstream/10906/83654/1/TG01 920.pdf Brandoli, B., Spadon, G., Esau, T., Hennessy, P., Carvalho, A. C. P. L., AmerYahia, S., & Rodrigues-Jr, J. F. (2021). DropLeaf: A precision farming smartphone tool for real-time quantification of pesticide application coverage. Computers and Electronics in Agriculture, 180(August 2020), 105906. https://doi.org/10.1016/j.compag.2020.105906 Brownlee, J. (2019, May 22). A Gentle Introduction to Object Recognition With Deep Learning. https://machinelearningmastery.com/object-recognition-withdeep-learning/ Carrión, C. B. (2020). REDES CONVOLUCIONALES. Castrignano, A., Buttafuoco Gabriele, Khosla, R., Mouazen, A., Moshou, D., & Naud, O. (2020). Agricultural Internet of Things and Decision Support for Precision Smart Farming. https://www.elsevier.com/books/agricultural-internetof-things-and-decision-support-for-precision-smart-farming/castrignano/978-012-818373-1 Corporación Colombiana de Investigación Agropecuaria (CORPOICA). (2015). MISIÓN PARA LA TRANSFORMACIÓN DEL CAMPO. https://colaboracion.dnp.gov.co/CDT/Agriculturapecuarioforestal y pesca/Diagnóstico de la Ciencia, Tecnología e Innovación en el Sector Agropecuario-CORPOICA.pdf Crew Noticias Móviles. (2021). La plataforma de desarrollo de visión artificial Roboflow recauda $ 20 millones - Noticias Movil. https://noticiasmoviles.com/la-plataforma-de-desarrollo-de-vision-artificialroboflow-recauda-20-millones/ Dapena, A., García-Naya, J., Castro-Castro, P.-M., & Pan, C. (2010). Aplicación web para evaluación y seguimiento del rendimiento de asignaturas y titulaciones universitarias. May 2014. Devin, F. (2017, February 25). Sistema de Escalas de Usabilidad: ¿qué es y para qué sirve? | | UXpañol. https://uxpanol.com/teoria/sistema-de-escalas-deusabilidad-que-es-y-para-que-sirve/ Dolezel, P., Stursa, D., Honc, D., Merta, J., Hora, I., & Beran, L. (2020, September). Counting Livestock with Image Segmentation Neural Network Dominguez Torres, A. (2000). PROCESAMIENTO DIGITAL DE IMÁGENES. DVA. (2020). Importancia de la agricultura colombiana. https://dva.com.co/importancia-de-la-agricultura-colombiana/ EBF. (2019, September 11). Ventajas y desventajas de las metodologías Agile (ágiles). https://ebf.com.es/blog/ventajas-y-desventajas-de-las-metodologiasagiles-y-su-aplicacion-en-el-trabajo/ Empatizar – Design Thinking para ingenieros. (n.d.). Retrieved November 4, 2021, from https://blogs.upm.es/minenergydesign/empatizar/ Fernández, A. (2019). Inteligencia artificial en los servicios financieros. Artículos Analíticos. Boletín Económico 2/2019. Scielo, 5, 10. https://dialnet.unirioja.es/servlet/articulo?codigo=7040792 franspg. (2020, January 27). Generación de datos artificiales (Data Augmentation) – franspg. https://franspg.wordpress.com/2020/01/27/generacion-de-datosartificiales-data-augmentation/ Fuente Sanz, Ó. M. (2019, June 4). Google Colab: Python y Machine Learning en la nube - Adictos al trabajo. https://www.adictosaltrabajo.com/2019/06/04/google-colab-python-y-machinelearning-en-la-nube/ Gerhards, R., Späth, M., Sökefeld, M., Peteinatos, G. G., Nabout, A., & Rueda Ayala, V. (2021). Automatic adjustment of harrowing intensity in cereals using digital image analysis. Weed Research, 61(1), 68–77. https://doi.org/10.1111/wre.12458 Gómez Sarasa, C. C., & Ortega Pabón, J. D. (2020, September 24). Técnicas de aumento de datos para imágenes aéreas y evaluación de rendimiento en modelos de deep learning | Revista Universidad Católica de Oriente. https://revistas.uco.edu.co/index.php/uco/article/view/285 Google Colab. (2021a, November 8). Google Colab. https://research.google.com/colaboratory/intl/es/faq.html Google Colab. (2021b, November 8). Google Colab. https://colab.research.google.com/signup Google Inc. (2021a). Apps Script. https://developers.google.com/apps-script Google Inc. (2021b). Google Workspace. https://workspace.google.com Grupo Bancolombia. (2018, September 28). Cultivo de limón Tahití. https://www.grupobancolombia.com/wps/portal/negocios/actualizate/sostenibili dad/guia-cultivo-limon-tahiti Huang, J., Guo, P., Xie, Q., & Meng, X. (2015). Cloud services platform based on big data analytics and its application in livestock management and marketing. Proceedings of Science, 18-19-Dece, 1–8. https://doi.org/10.22323/1.264.0063 Hunglcoo7. (2020). YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny Implemented in Tensorflow 2.0, Android. Convert YOLO v4 .weights tensorflow, tensorrt and tflite. https://github.com/hunglc007/tensorflow-yolov4-tflite Instituto Colombiano Agropecuario. (2021, January 22). En Santander, alianza entre el ICA, la Gobernación, Asohofrucol, Agrosavia y productores por la citricultura de la región. https://www.ica.gov.co/noticias/gran-alianza-icaautoridades-gremios-santander Izaurieta, F., & Saavedra, C. (1999). Redes Neuronales Artificiales. Charlas de Fisica, 1–15. https://doi.org/10.1016/S0210-5691(05)74198-X Jiménez, M. (2020, January 18). ¿Qué es y para qué sirve Android Studio? - Minuto Neuquen. https://www.minutoneuquen.com/tecno/2020/1/18/que-espara-que-sirve-android-studio-181273.html Kelleher, J. D. (2019). Deep Learning. https://books.google.es/books?hl=es&lr=&id=b06qDwAAQBAJ&oi=fnd&pg=PP 9&dq=deep+learning+&ots=_oCYXIpYYN&sig=4KbEcpv_Yy1l6FuMZ2k6ljxAZ as#v=onepage&q=deep learning&f=false Lin, Q., Ye, G., Wang, J., & Liu, H. (2021). RoboFlow: a Data-centric Workflow Management System for Developing AI-enhanced Robots. https://sites.google.com/u.northwestern.edu/roboflow Lingwal, S., Bhatia, K. K., & Tomer, M. S. (2021). Image-based wheat grain classification using convolutional neural network. Multimedia Tools and Applications. https://doi.org/10.1007/s11042-020-10174-3 Maldonado, M. (2019, September 12). Las mejores metodologías ágiles para la creación de software. https://www.digital55.com/desarrollotecnologia/mejores-metodologias-agiles-creacion-software Mardian, J., Berg, A., & Daneshfar, B. (2021). Evaluating the temporal accuracy of grassland to cropland change detection using multitemporal image analysis. Remote Sensing of Environment, 255(November 2020), 112292. https://doi.org/10.1016/j.rse.2021.112292 Martnez, J. V. Y., Skarmeta, A. F., Zamora-Izquierdo, M. A., & Ramallo-Gonzlez, A. P. (2020). IoT-based data management for Smart Agriculture. 2020 2nd International Conference on Embedded and Distributed Systems, EDiS 2020, 41–46. https://doi.org/10.1109/EDiS49545.2020.9296443 Ministerio de Tecnologías de la Información y las Comunicaciones. (2019). Boletín trimestral de las TIC. Cifras cuarto trimestre de 2018. Moysiadis, V., Sarigiannidis, P., Vitsas, V., & Khelifi, A. (2021). Smart Farming in Europe. Computer Science Review, 39, 100345. https://doi.org/10.1016/j.cosrev.2020.100345 Naciones Unidas. (2015, September 25). Objetivos y metas de desarrollo sostenible. https://www.un.org/sustainabledevelopment/es/objetivos-dedesarrollo-sostenible/ Orús, A. (2021, February 11). Principales productores de limón y lima del mundo. https://es.statista.com/estadisticas/613493/principales-paises-productores-delimon-en-el-mundo/ Park, J. K., & Park, E. Y. (2021). Monitoring method of movement of grazing cows using cloud-based system. ECTI Transactions on Computer and Information Technology, 15(1), 24–33. https://doi.org/10.37936/ecti-cit.2021151.240087 PDD-Santander. (2020). Santander siempre contigo y para el mundo Plan de Desarrollo Departamental 2020-2023. Planeación Deparatamental, 53(9), 1689. Pérez, P., & Valente, M. (2018). Fundamentos básicos del procesamiento de imágenes — documentación de Curso de imágenes médicas - 1.0. https://www.famaf.unc.edu.ar/~pperez1/manuales/cim/cap2.html#introduccional-procesamiento-de-imagenes Puyol, F. (2017). Una aproximación a algunos elementos de internet de las cosas. https://dialnet.unirioja.es/servlet/articulo?codigo=5178220 Rafi, S. A., Chowdhury, T. H., Rahaman, D. M. A., Bari, M. W., Islam, M. J., & Tanjim, M. S. S. (2021). Crop Condition Analyzer Robot with Image Processing Feedback to Assist Farmer. ICREST 2021 - 2nd International Conference on Robotics, Electrical and Signal Processing Techniques, 188– 192. https://doi.org/10.1109/ICREST51555.2021.9331053 Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. http://pjreddie.com/yolo/ Research Gate. (2017). Data augmentation using semantic-preserving transformation for SBIR. | Download Scientific Diagram. https://www.researchgate.net/figure/Data-augmentation-using-semanticpreserving-transformation-for-SBIR_fig2_319413978 Rivera Mesa, M. (2019, October 1). Estos son los “gadgets” para el campo colombiano. https://semanarural.com/web/articulo/como-se-esta-tecnificandoel-campo-colombiano-/1159 RoboFlow. (2021, August 5). Image Augmentation - Roboflow. https://docs.roboflow.com/image-transformations/image-augmentation Rosselló Villán, V. (2019, March 15). Qué son las metodologías ágiles y cuáles son sus ventajas empresariales. https://www.iebschool.com/blog/que-sonmetodologias-agiles-agile-scrum/ Roukh, A., Fote, F. N., Mahmoudi, S. A., & Mahmoudi, S. (2020). WALLeSMART: Cloud Platform for Smart Farming. ACM International Conference Proceeding Series, 1–4. https://doi.org/10.1145/3400903.3401690 Rusk, N. (2015). Deep learning. https://doi.org/10.1101/028399 Sauro, J. (2018, September 19). 5 Ways to Interpret a SUS Score – MeasuringU. https://measuringu.com/interpret-sus-score/ SCIO. (2019, February 20). Metodología tradicional o ágil ¿Cuál es la mejor opción para mi proyecto de desarrollo de software? - Scio México. https://www.scio.com.mx/blog/metodologia-tradicional-o-agil-software/ Semana. (2016, September 28). Colombia puede convertirse en una de las grandes despensas del mundo. https://www.semana.com/pais/articulo/comova-a-ser-el-futuro-agropecuario-de-colombia/232363/ Semana. (2020, November 13). Limón tahití, una promesa exportadora. https://www.semana.com/empresas/articulo/limon-tahiti-podria-ser-elsiguiente-exito-exportador-del-pais/306471/ Sharma, R., Kamble, S. S., Gunasekaran, A., Kumar, V., & Kumar, A. (2020). A systematic literature review on machine learning applications for sustainable agriculture supply chain performance. Computers and Operations Research, 119, 104926. https://doi.org/10.1016/j.cor.2020.104926 Supeshala, C. (2020). YOLO v4 or YOLO v5 or PP-YOLO? Which should I use? https://towardsdatascience.com/yolo-v4-or-yolo-v5-or-pp-yolo-dad8e40f7109 Unión Internacional de Telecomunicaciones. (2020, May). Connect 2030 – An agenda to connect all to a better world. https://www.itu.int/en/mediacentre/backgrounders/Pages/connect-2030agenda.aspx Vanegas, M. (2002). Guía Técnica Cultivo Del Limón Pérsico. Programa Nacional de Frutas de El Salvador, 46. http://repiica.iica.int/docs/B0217e/B0217e.pdf |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Colombia |
| dc.coverage.campus.spa.fl_str_mv |
UNAB Campus Bucaramanga |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Ingeniería de Sistemas |
| institution |
Universidad Autónoma de Bucaramanga - UNAB |
| bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/16261/1/2021_Tesis_Javier_Abuchaibe.pdf https://repository.unab.edu.co/bitstream/20.500.12749/16261/2/2021_Licencia_Javier_Abuchaibe.pdf https://repository.unab.edu.co/bitstream/20.500.12749/16261/3/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/16261/4/2021_Tesis_Javier_Abuchaibe.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/16261/5/2021_Licencia_Javier_Abuchaibe.pdf.jpg |
| bitstream.checksum.fl_str_mv |
b2aadd71223c4ab9ea6f344a59ba533a d18af9e84b643e67d78a46925d029f74 3755c0cfdb77e29f2b9125d7a45dd316 d70756cc39c147ef939a64156c9635c1 e83ccbb744237b0770fca14f25b3a3ea |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
| repository.mail.fl_str_mv |
repositorio@unab.edu.co |
| _version_ |
1814277336785223680 |
| spelling |
Talero Sarmiento, Leonardo Hernán52f3ced8-d447-4a4d-a30c-74958c9587aaMoreno Corzo, Feisar Enriqueee761f02-1ce9-473f-b811-9b495af86e41Parra Sánchez, Diana Teresab54c5459-8258-4cdc-87a0-aa8ff784c5a1Abuchaibe Manzano, Javiera82b88ec-b14e-42ba-ade5-20aa6231d27dGómez Durán, Xahep Julián89416893-c729-41a1-bbf5-7769f7408a61Talero Sarmiento, Leonardo Hernán [0000031387]Moreno Corzo, Feisar Enrique [0001499008]Parra Sánchez, Diana Teresa [0001476224]Moreno Corzo, Feisar Enrique [jz75nEcAAAAJ&hl=es&oi=ao]Parra Sánchez, Diana Teresa [oxohr6EAAAAJ]Talero Sarmiento, Leonardo Hernán [0000-0002-4129-9163]Moreno Corzo, Feisar Enrique [0000-0002-5007-3422]Parra Sánchez, Diana Teresa [0000-0002-7649-0849]Parra Sánchez, Diana Teresa [57195677014]Talero Sarmiento, Leonardo Hernán [Leonardo_Talero]Moreno Corzo, Feisar Enrique [Feisar-Enrique-Moreno-Corzo-2169498891]Parra Sánchez, Diana Teresa [Diana_Parra_Sanchez]ColombiaUNAB Campus Bucaramanga2022-04-22T16:13:06Z2022-04-22T16:13:06Z2021-11-19http://hdl.handle.net/20.500.12749/16261instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEl proyecto que será presentado a continuación trata sobre el diseño y la construcción de un prototipo de aplicación móvil para la gestión de ventas en el sector agrícola. En el desarrollo del proyecto se hizo fuerte énfasis en la utilización de tendencias tecnológicas relevantes y crecientes, por esto se hizo uso de la computación en la nube y la inteligencia artificial. El diseño del prototipo se vio altamente influenciado por el usuario final, los agricultores, a través de un diseño colaborativo. El prototipo que se desarrolló, a través del análisis de imágenes, realiza un conteo de los bultos de limón en sus bodegas y devuelve un precio estimado, se espera que esto ayude en el proceso de tomas de decisiones de los agricultores. El aplicativo se desarrolló para dispositivos móviles con sistema operativo Android y requiere del uso de la cámara móvil de dicho dispositivo, además la mayoría de sus funcionalidades estarán disponibles aún si no se cuenta con conexión a internet. Para el cálculo de los precios estimados se utilizan datos publicados por la entidad responsable de la producción de estadísticas oficiales en Colombia, el DANE. El desarrollo del proyecto consta de varias etapas, la primera de ellas fue la recopilación y el estudio exhaustivo de la literatura relevante que nos permitió ampliar nuestros conocimientos sobre las tecnologías y las técnicas asociadas a nuestro proyecto. Posteriormente, se realizan dos diseños principales que atraviesan una etapa de selección con apoyo de los usuarios finales. Por último, se construye el prototipo y se verifica su funcionamiento.1. INTRODUCCIÓN .............................................................................................. 8 2. PLANTEAMIENTO DEL PROBLEMA ............................................................... 9 3. OBJETIVOS .................................................................................................... 11 3.1. Objetivo general .......................................................................................... 11 3.2. Objetivos específicos ................................................................................... 11 4. MARCO REFERENCIAL ................................................................................ 12 4.1. Marco conceptual ........................................................................................ 12 4.2. Marco teórico ............................................................................................... 13 4.3. Análisis del estado del arte .......................................................................... 21 4.4. Marco legal .................................................................................................. 27 5. METODOLOGÍA ............................................................................................. 28 5.1. Descripción de la metodología .................................................................... 28 6. IMPLEMENTACIÓN DEL MODELO DE APRENDIZAJE ................................ 30 6.1. Adquisición de datos ................................................................................... 30 6.2. Limpieza y etiquetado .................................................................................. 32 6.3. Data augmentation ...................................................................................... 33 6.4. Modelo de aprendizaje implementado ......................................................... 36 6.5. Entrenamiento ............................................................................................. 38 6.6. Conversión del modelo ................................................................................ 44 7. DISEÑO Y DESARROLLO DEL PROTOTIPO ............................................... 46 7.1. Requerimientos ........................................................................................... 46 7.2. Diagrama de componentes ......................................................................... 48 7.3. Diagrama entidad-relación........................................................................... 49 7.4. Diagrama de clases ..................................................................................... 50 7.5. Diagrama de casos de uso .......................................................................... 51 7.6. Diseño ......................................................................................................... 52 7.7. Desarrollo .................................................................................................... 53 8. EVALUACIÓN DEL PROTOTIPO ................................................................... 54 8.1. Evaluación de la usabilidad mediante el System Usability Scale (SUS) ...... 54 8.2. Evaluación del modelo de aprendizaje ........................................................ 55 9. DISCUSIÓN .................................................................................................... 58 10. CONCLUSIÓN ............................................................................................. 60 11. REFERENCIAS ........................................................................................... 61 12. ANEXOS ..................................................................................................... 66PregradoThe project that will be presented provides an overview of the design and development of a mobile app prototype focused on aiding the sales management process in the agricultural sector. The project was built around new and rising technological trends, that’s why cloud computing and artificial intelligence were such a big part of the project. The design of the mobile app was strongly influenced by the end users, people working in the agricultural sector, through collaborative design. The prototype, through image analysis, counts the amount Tahiti lime sacks in the user’s warehouse and gives the user an estimated selling price, we hope this will improve the decision making of the agriculturists. The prototype was developed for smartphones with Android OS and requires the use of the camera of the device, it’s also important to note that most of the functionalities will continue working even if there’s not an active internet connection. To estimate the selling prices we utilize data published by the department responsible for the planning, analysis and dissemination of the official statistics of Colombia, DANE. The development of the project was divided into four main stages. Firstly, we gathered and studied all the relevant literature which allowed us to broaden our knowledge about the technologies and techniques associated to our project. In the second place, we sketch two designs that went across a selection phase in which the end user participated. In the third place, the prototype was built. In the fourth and last place, the prototype was tested.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Prototipo de aplicación móvil para la gestión de ventas en el sector agrícola integrando técnicas de inteligencia artificial y computación en la nubeMobile application prototype for sales management in the agricultural sector integrating artificial intelligence and cloud computing techniquesIngeniero de SistemasUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería de Sistemasinfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/redcol/resource_type/TPSystems engineerTechnological innovationsMobile appImage analysisAndroid operatingMobile cameraPrototype developmentArtificial intelligenceSales managementInformation storageIngeniería de sistemasInnovaciones tecnológicasDesarrollo de prototiposInteligencia artificialAlmacenamiento de informaciónAplicación móvilAnálisis de imágenesOperativo AndroidCámara móvilGestión de ventasAcharya, T., & Ray, A. (2005). Image Processing: Principles and Applications . https://books.google.es/books?hl=es&lr=&id=smBw4xvfrIC&oi=fnd&pg=PR7&dq=image+processing&ots=FZB19OxRCH&sig=95nls Odk59k84hk9IH1kbpVsg9Y#v=onepage&q&f=falseAguirre Dobernack, N. (2013). Implementación De Un Sistema De Detección De Señales De Tráfico Mediante Visión Artificial Basado En Fpga. 255Alexandrova, S., Tatlock, Z., & Cakmak, M. (2015). RoboFlow: A Flow-based Visual Programming Language for Mobile Manipulation Tasks. http://youtu.be/c3Cq0sy4TBsAlexeyAB. (2020). AlexeyAB/darknet: YOLOv4 / Scaled-YOLOv4 / YOLO - Neural Networks for Object Detection (Windows and Linux version of Darknet ). https://github.com/AlexeyAB/darknetAmpatzidis, Y., Partel, V., & Costa, L. (2020). Agroview: Cloud-based application to process, analyze and visualize UAV-collected data for precision agriculture applications utilizing artificial intelligence. Computers and Electronics in Agriculture, 174(April), 105457. https://doi.org/10.1016/j.compag.2020.105457Android Studio Developers. (2021, May 17). Introducción a Android Studio | Desarrolladores de Android. https://developer.android.com/studio/intro?hl=es-419Ardións, A. (2016, May 16). Android Studio: Requisitos mínimos. https://androidstudiofaqs.com/conceptos/android-studio-requisitos-minimosArias, Á. (2015, January 11). Computación en la Nube: 2a Edición. https://books.google.com.co/books/about/Computación_en_la_Nube.html?id=0_mCgAAQBAJ&redir_esc=yBarrio, M. (2018). Internet de las Cosas. https://books.google.es/books?hl=es&lr=&id=jFLDwAAQBAJ&oi=fnd&pg=PA9&dq=Qué+es+el+internet+de+la+cosas&ots=3L K3iz5jzO&sig=geerUNMUtb0weqb9BbzWO1A06Jk#v=onepage&q&f=falseBhatnagar, V., Singh, G., Kumar, G., & Gupta, R. (2020). Internet of Things in Smart Agriculture: Applications and Open Challenges. International Journal of Students’ Research in Technology & Management, 8(1), 11–17. https://doi.org/10.18510/ijsrtm.2020.812Botina Patiño, V. E., & Díaz Moreno, J. S. (2017). Guía de exportación de limón Tahití. https://repository.icesi.edu.co/biblioteca_digital/bitstream/10906/83654/1/TG01 920.pdfBrandoli, B., Spadon, G., Esau, T., Hennessy, P., Carvalho, A. C. P. L., AmerYahia, S., & Rodrigues-Jr, J. F. (2021). DropLeaf: A precision farming smartphone tool for real-time quantification of pesticide application coverage. Computers and Electronics in Agriculture, 180(August 2020), 105906. https://doi.org/10.1016/j.compag.2020.105906Brownlee, J. (2019, May 22). A Gentle Introduction to Object Recognition With Deep Learning. https://machinelearningmastery.com/object-recognition-withdeep-learning/Carrión, C. B. (2020). REDES CONVOLUCIONALES.Castrignano, A., Buttafuoco Gabriele, Khosla, R., Mouazen, A., Moshou, D., & Naud, O. (2020). Agricultural Internet of Things and Decision Support for Precision Smart Farming. https://www.elsevier.com/books/agricultural-internetof-things-and-decision-support-for-precision-smart-farming/castrignano/978-012-818373-1Corporación Colombiana de Investigación Agropecuaria (CORPOICA). (2015). MISIÓN PARA LA TRANSFORMACIÓN DEL CAMPO. https://colaboracion.dnp.gov.co/CDT/Agriculturapecuarioforestal y pesca/Diagnóstico de la Ciencia, Tecnología e Innovación en el Sector Agropecuario-CORPOICA.pdfCrew Noticias Móviles. (2021). La plataforma de desarrollo de visión artificial Roboflow recauda $ 20 millones - Noticias Movil. https://noticiasmoviles.com/la-plataforma-de-desarrollo-de-vision-artificialroboflow-recauda-20-millones/Dapena, A., García-Naya, J., Castro-Castro, P.-M., & Pan, C. (2010). Aplicación web para evaluación y seguimiento del rendimiento de asignaturas y titulaciones universitarias. May 2014.Devin, F. (2017, February 25). Sistema de Escalas de Usabilidad: ¿qué es y para qué sirve? | | UXpañol. https://uxpanol.com/teoria/sistema-de-escalas-deusabilidad-que-es-y-para-que-sirve/Dolezel, P., Stursa, D., Honc, D., Merta, J., Hora, I., & Beran, L. (2020, September). Counting Livestock with Image Segmentation Neural NetworkDominguez Torres, A. (2000). PROCESAMIENTO DIGITAL DE IMÁGENES.DVA. (2020). Importancia de la agricultura colombiana. https://dva.com.co/importancia-de-la-agricultura-colombiana/EBF. (2019, September 11). Ventajas y desventajas de las metodologías Agile (ágiles). https://ebf.com.es/blog/ventajas-y-desventajas-de-las-metodologiasagiles-y-su-aplicacion-en-el-trabajo/Empatizar – Design Thinking para ingenieros. (n.d.). Retrieved November 4, 2021, from https://blogs.upm.es/minenergydesign/empatizar/Fernández, A. (2019). Inteligencia artificial en los servicios financieros. Artículos Analíticos. Boletín Económico 2/2019. Scielo, 5, 10. https://dialnet.unirioja.es/servlet/articulo?codigo=7040792franspg. (2020, January 27). Generación de datos artificiales (Data Augmentation) – franspg. https://franspg.wordpress.com/2020/01/27/generacion-de-datosartificiales-data-augmentation/Fuente Sanz, Ó. M. (2019, June 4). Google Colab: Python y Machine Learning en la nube - Adictos al trabajo. https://www.adictosaltrabajo.com/2019/06/04/google-colab-python-y-machinelearning-en-la-nube/Gerhards, R., Späth, M., Sökefeld, M., Peteinatos, G. G., Nabout, A., & Rueda Ayala, V. (2021). Automatic adjustment of harrowing intensity in cereals using digital image analysis. Weed Research, 61(1), 68–77. https://doi.org/10.1111/wre.12458Gómez Sarasa, C. C., & Ortega Pabón, J. D. (2020, September 24). Técnicas de aumento de datos para imágenes aéreas y evaluación de rendimiento en modelos de deep learning | Revista Universidad Católica de Oriente. https://revistas.uco.edu.co/index.php/uco/article/view/285Google Colab. (2021a, November 8). Google Colab. https://research.google.com/colaboratory/intl/es/faq.htmlGoogle Colab. (2021b, November 8). Google Colab. https://colab.research.google.com/signupGoogle Inc. (2021a). Apps Script. https://developers.google.com/apps-scriptGoogle Inc. (2021b). Google Workspace. https://workspace.google.comGrupo Bancolombia. (2018, September 28). Cultivo de limón Tahití. https://www.grupobancolombia.com/wps/portal/negocios/actualizate/sostenibili dad/guia-cultivo-limon-tahitiHuang, J., Guo, P., Xie, Q., & Meng, X. (2015). Cloud services platform based on big data analytics and its application in livestock management and marketing. Proceedings of Science, 18-19-Dece, 1–8. https://doi.org/10.22323/1.264.0063Hunglcoo7. (2020). YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny Implemented in Tensorflow 2.0, Android. Convert YOLO v4 .weights tensorflow, tensorrt and tflite. https://github.com/hunglc007/tensorflow-yolov4-tfliteInstituto Colombiano Agropecuario. (2021, January 22). En Santander, alianza entre el ICA, la Gobernación, Asohofrucol, Agrosavia y productores por la citricultura de la región. https://www.ica.gov.co/noticias/gran-alianza-icaautoridades-gremios-santanderIzaurieta, F., & Saavedra, C. (1999). Redes Neuronales Artificiales. Charlas de Fisica, 1–15. https://doi.org/10.1016/S0210-5691(05)74198-XJiménez, M. (2020, January 18). ¿Qué es y para qué sirve Android Studio? - Minuto Neuquen. https://www.minutoneuquen.com/tecno/2020/1/18/que-espara-que-sirve-android-studio-181273.htmlKelleher, J. D. (2019). Deep Learning. https://books.google.es/books?hl=es&lr=&id=b06qDwAAQBAJ&oi=fnd&pg=PP 9&dq=deep+learning+&ots=_oCYXIpYYN&sig=4KbEcpv_Yy1l6FuMZ2k6ljxAZ as#v=onepage&q=deep learning&f=falseLin, Q., Ye, G., Wang, J., & Liu, H. (2021). RoboFlow: a Data-centric Workflow Management System for Developing AI-enhanced Robots. https://sites.google.com/u.northwestern.edu/roboflowLingwal, S., Bhatia, K. K., & Tomer, M. S. (2021). Image-based wheat grain classification using convolutional neural network. Multimedia Tools and Applications. https://doi.org/10.1007/s11042-020-10174-3Maldonado, M. (2019, September 12). Las mejores metodologías ágiles para la creación de software. https://www.digital55.com/desarrollotecnologia/mejores-metodologias-agiles-creacion-softwareMardian, J., Berg, A., & Daneshfar, B. (2021). Evaluating the temporal accuracy of grassland to cropland change detection using multitemporal image analysis. Remote Sensing of Environment, 255(November 2020), 112292. https://doi.org/10.1016/j.rse.2021.112292Martnez, J. V. Y., Skarmeta, A. F., Zamora-Izquierdo, M. A., & Ramallo-Gonzlez, A. P. (2020). IoT-based data management for Smart Agriculture. 2020 2nd International Conference on Embedded and Distributed Systems, EDiS 2020, 41–46. https://doi.org/10.1109/EDiS49545.2020.9296443Ministerio de Tecnologías de la Información y las Comunicaciones. (2019). Boletín trimestral de las TIC. Cifras cuarto trimestre de 2018.Moysiadis, V., Sarigiannidis, P., Vitsas, V., & Khelifi, A. (2021). Smart Farming in Europe. Computer Science Review, 39, 100345. https://doi.org/10.1016/j.cosrev.2020.100345Naciones Unidas. (2015, September 25). Objetivos y metas de desarrollo sostenible. https://www.un.org/sustainabledevelopment/es/objetivos-dedesarrollo-sostenible/Orús, A. (2021, February 11). Principales productores de limón y lima del mundo. https://es.statista.com/estadisticas/613493/principales-paises-productores-delimon-en-el-mundo/Park, J. K., & Park, E. Y. (2021). Monitoring method of movement of grazing cows using cloud-based system. ECTI Transactions on Computer and Information Technology, 15(1), 24–33. https://doi.org/10.37936/ecti-cit.2021151.240087PDD-Santander. (2020). Santander siempre contigo y para el mundo Plan de Desarrollo Departamental 2020-2023. Planeación Deparatamental, 53(9), 1689.Pérez, P., & Valente, M. (2018). Fundamentos básicos del procesamiento de imágenes — documentación de Curso de imágenes médicas - 1.0. https://www.famaf.unc.edu.ar/~pperez1/manuales/cim/cap2.html#introduccional-procesamiento-de-imagenesPuyol, F. (2017). Una aproximación a algunos elementos de internet de las cosas. https://dialnet.unirioja.es/servlet/articulo?codigo=5178220Rafi, S. A., Chowdhury, T. H., Rahaman, D. M. A., Bari, M. W., Islam, M. J., & Tanjim, M. S. S. (2021). Crop Condition Analyzer Robot with Image Processing Feedback to Assist Farmer. ICREST 2021 - 2nd International Conference on Robotics, Electrical and Signal Processing Techniques, 188– 192. https://doi.org/10.1109/ICREST51555.2021.9331053Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. http://pjreddie.com/yolo/Research Gate. (2017). Data augmentation using semantic-preserving transformation for SBIR. | Download Scientific Diagram. https://www.researchgate.net/figure/Data-augmentation-using-semanticpreserving-transformation-for-SBIR_fig2_319413978Rivera Mesa, M. (2019, October 1). Estos son los “gadgets” para el campo colombiano. https://semanarural.com/web/articulo/como-se-esta-tecnificandoel-campo-colombiano-/1159RoboFlow. (2021, August 5). Image Augmentation - Roboflow. https://docs.roboflow.com/image-transformations/image-augmentationRosselló Villán, V. (2019, March 15). Qué son las metodologías ágiles y cuáles son sus ventajas empresariales. https://www.iebschool.com/blog/que-sonmetodologias-agiles-agile-scrum/Roukh, A., Fote, F. N., Mahmoudi, S. A., & Mahmoudi, S. (2020). WALLeSMART: Cloud Platform for Smart Farming. ACM International Conference Proceeding Series, 1–4. https://doi.org/10.1145/3400903.3401690Rusk, N. (2015). Deep learning. https://doi.org/10.1101/028399Sauro, J. (2018, September 19). 5 Ways to Interpret a SUS Score – MeasuringU. https://measuringu.com/interpret-sus-score/SCIO. (2019, February 20). Metodología tradicional o ágil ¿Cuál es la mejor opción para mi proyecto de desarrollo de software? - Scio México. https://www.scio.com.mx/blog/metodologia-tradicional-o-agil-software/Semana. (2016, September 28). Colombia puede convertirse en una de las grandes despensas del mundo. https://www.semana.com/pais/articulo/comova-a-ser-el-futuro-agropecuario-de-colombia/232363/Semana. (2020, November 13). Limón tahití, una promesa exportadora. https://www.semana.com/empresas/articulo/limon-tahiti-podria-ser-elsiguiente-exito-exportador-del-pais/306471/Sharma, R., Kamble, S. S., Gunasekaran, A., Kumar, V., & Kumar, A. (2020). A systematic literature review on machine learning applications for sustainable agriculture supply chain performance. Computers and Operations Research, 119, 104926. https://doi.org/10.1016/j.cor.2020.104926Supeshala, C. (2020). YOLO v4 or YOLO v5 or PP-YOLO? Which should I use? https://towardsdatascience.com/yolo-v4-or-yolo-v5-or-pp-yolo-dad8e40f7109Unión Internacional de Telecomunicaciones. (2020, May). Connect 2030 – An agenda to connect all to a better world. https://www.itu.int/en/mediacentre/backgrounders/Pages/connect-2030agenda.aspxVanegas, M. (2002). Guía Técnica Cultivo Del Limón Pérsico. Programa Nacional de Frutas de El Salvador, 46. http://repiica.iica.int/docs/B0217e/B0217e.pdfORIGINAL2021_Tesis_Javier_Abuchaibe.pdf2021_Tesis_Javier_Abuchaibe.pdfTesisapplication/pdf4820192https://repository.unab.edu.co/bitstream/20.500.12749/16261/1/2021_Tesis_Javier_Abuchaibe.pdfb2aadd71223c4ab9ea6f344a59ba533aMD51open access2021_Licencia_Javier_Abuchaibe.pdf2021_Licencia_Javier_Abuchaibe.pdfLicenciaapplication/pdf203276https://repository.unab.edu.co/bitstream/20.500.12749/16261/2/2021_Licencia_Javier_Abuchaibe.pdfd18af9e84b643e67d78a46925d029f74MD52metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/16261/3/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD53open accessTHUMBNAIL2021_Tesis_Javier_Abuchaibe.pdf.jpg2021_Tesis_Javier_Abuchaibe.pdf.jpgIM Thumbnailimage/jpeg5200https://repository.unab.edu.co/bitstream/20.500.12749/16261/4/2021_Tesis_Javier_Abuchaibe.pdf.jpgd70756cc39c147ef939a64156c9635c1MD54open access2021_Licencia_Javier_Abuchaibe.pdf.jpg2021_Licencia_Javier_Abuchaibe.pdf.jpgIM Thumbnailimage/jpeg10000https://repository.unab.edu.co/bitstream/20.500.12749/16261/5/2021_Licencia_Javier_Abuchaibe.pdf.jpge83ccbb744237b0770fca14f25b3a3eaMD55metadata only access20.500.12749/16261oai:repository.unab.edu.co:20.500.12749/162612023-07-26 15:59:20.482open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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 |