Desarrollo de un modelo predictivo para determinar el origen geográfico de polen corbicular en Boyacá
ilustraciones
- Autores:
-
Leal Campuzano, Juan David
- Tipo de recurso:
- Fecha de publicación:
- 2022
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/83845
- Palabra clave:
- 510 - Matemáticas::515 - Análisis
Mercadeo-investigaciones
Innovaciones tecnológicas
Ayudas comerciales
Marketing research
Dealer aids
Polen
Imágenes digitales
Denominación de origen
Color
Polen
Digital Images
Denomination of Origin
Color
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
| id |
UNACIONAL2_e5a53e3607611705918a6573064b7f1a |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/83845 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Desarrollo de un modelo predictivo para determinar el origen geográfico de polen corbicular en Boyacá |
| dc.title.translated.eng.fl_str_mv |
Development of a predictive model to determine the geographic origin of corbicular pollen in Boyacá |
| title |
Desarrollo de un modelo predictivo para determinar el origen geográfico de polen corbicular en Boyacá |
| spellingShingle |
Desarrollo de un modelo predictivo para determinar el origen geográfico de polen corbicular en Boyacá 510 - Matemáticas::515 - Análisis Mercadeo-investigaciones Innovaciones tecnológicas Ayudas comerciales Marketing research Dealer aids Polen Imágenes digitales Denominación de origen Color Polen Digital Images Denomination of Origin Color |
| title_short |
Desarrollo de un modelo predictivo para determinar el origen geográfico de polen corbicular en Boyacá |
| title_full |
Desarrollo de un modelo predictivo para determinar el origen geográfico de polen corbicular en Boyacá |
| title_fullStr |
Desarrollo de un modelo predictivo para determinar el origen geográfico de polen corbicular en Boyacá |
| title_full_unstemmed |
Desarrollo de un modelo predictivo para determinar el origen geográfico de polen corbicular en Boyacá |
| title_sort |
Desarrollo de un modelo predictivo para determinar el origen geográfico de polen corbicular en Boyacá |
| dc.creator.fl_str_mv |
Leal Campuzano, Juan David |
| dc.contributor.advisor.spa.fl_str_mv |
Gómez Jaramillo, Francisco Albeiro Martínez Niño, Carlos Alberto |
| dc.contributor.author.spa.fl_str_mv |
Leal Campuzano, Juan David |
| dc.contributor.researchgroup.spa.fl_str_mv |
Computational Modeling of Biological Systems Research Group - COMBIOS |
| dc.subject.ddc.spa.fl_str_mv |
510 - Matemáticas::515 - Análisis |
| topic |
510 - Matemáticas::515 - Análisis Mercadeo-investigaciones Innovaciones tecnológicas Ayudas comerciales Marketing research Dealer aids Polen Imágenes digitales Denominación de origen Color Polen Digital Images Denomination of Origin Color |
| dc.subject.lemb.spa.fl_str_mv |
Mercadeo-investigaciones Innovaciones tecnológicas Ayudas comerciales |
| dc.subject.lemb.eng.fl_str_mv |
Marketing research Dealer aids |
| dc.subject.proposal.spa.fl_str_mv |
Polen Imágenes digitales Denominación de origen Color |
| dc.subject.proposal.eng.fl_str_mv |
Polen Digital Images Denomination of Origin Color |
| description |
ilustraciones |
| publishDate |
2022 |
| dc.date.issued.none.fl_str_mv |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2023-05-23T20:28:41Z |
| dc.date.available.none.fl_str_mv |
2023-05-23T20:28:41Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/83845 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/83845 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Abdul, N. ; Sebastian, P.: Improving the Accuracy and Efficiency of the k-means Clustering Algorithm. 1 (2009) Adele, C. ; Cutler, R. ; Stevens, J. ; Springer (Ed.): Random forest: Ensemble Machine Learning: Methods and Applications. New York, 2012. – 157–175 p. Ahmed, Nasir ; Rao, Kamisetty R.: Walsh-Hadamard Transform. Berlin, Heidelberg : Springer Berlin Heidelberg, 1975. – 99–152 p. Alley, Ronnald: Algorithm Theoretical Basis Document for Decorrelation Stretch. (1996) Almeida, M. ; Ligia ; Pamplona, Lucila ; Coimbra, Sılvia ; Barth, Ortrud: Chemical composition and botanical evaluation of dried bee pollen pellets. En: Journal of Food Composition and Analysis - J FOOD COMPOS ANAL 18 (2005), p. 105–111 Alpaydim, E. ; Dietterich, Thomas (Ed.): Introduction to machine learning. Cambridge, 2014. – 271–290 p. Amaya, M.: Floral constancy in bees: a revision of theories and a comparison with other pollinators. 35 (2009) Arroyo, J. ; Travieso, M. ; Ticay, J.: Sistema de detección y clasificación automática de granos de polen mediante técnicas de procesado digital de imágenes. 27 (2013) Arthur, D. ; Vassilvitskii, S.: How slow is the k-means method? En: Annual Symposium Computational Geometry 22 (2006) Bishop, C. ; Springer (Ed.): Pattern recognition and machine learning. New York, 2006 de fomento agropecuario Boyacá, Secretaría: Cadena Productiva de las Abejas y la Apicultura-CPAA- Boyacá- censo Apíıcola. 2018. – Informe de Investigación Bradbear, N.: Bees and their role in forest livelihoods A guide to the service provided by bees and the sustainable harvesting, processing and marketing of their products. Roma, 2009. – 123–129 p. Breiman, L.: Random forest: Machine learning. 1 (2001), p. 5–32 Burger, W. ; Burger, J.: Principles of Digital Image Processing, fundamental tecniques. Springer, 2009 Campos, M.: Standard methods for pollen research / Nota de opinión. Revista Mexicana de Biodiversidad. 2021. – Informe de Investigación Carreira, Miguel A.: A review of mean-shift algorithms for clustering. En: CoRR abs/1503.00687 (2015) Cheng, H. ; Jiang, X.: Color image segmentation: advances and prospects. (2000) Conti, I. ; Medrzycki, P. ; Grillenzoni, F. ; Corvucci, F. ; Tosi, S. ; Malagnini, V. ; Spinella, M. ; Mariotti, M.: Floral diversity of pollen collected by honey bees (Apis Mellifera L.)- Validation of the chromatic assessment method / University of Genova. 2016. – Informe de Investigación Dhawale, S. ; Tidke, J.: Neural Network based Classification of Pollen Grains. En: International Conference on Advances in Computing (2013) Dhawale, S. ; Tidke, J.: A New Approach to Pollen Classification using Computational Intelligence. (2017) Garibaldi: Los polinizadores en la agricultura. 2012. – Informe de Investigación Hastie, T. ; Tibshirani, R. ; Friedman, J. ; Springer (Ed.): The elements of statistical learning. Data mining, inference, and prediction. 2. New York, 2008 Hidalgo, M. ; Bootello, M. ; J., Pacheco: Origen floral de las cargas de polen recogidas por apis mellifera L. en Alora (M´alaga España). (1990) Hough, P. V. C.: I Method and means for recognizing complex patterns. (1962) Hyde ; William, H.: Palynology nature. (1945) Jing, J. ; Zujovic, J. ; Chakraborty, B. ; Egmond, R. ; Ridder, H. ; Pappas, T.: Influence of Texture Structure on the Perception of Color Composition. (2020) July, A. ; Hernandez , L. ; Grosso, S.: Métodos estadísticos para la clasificación fisicoquímica del polen corbicular de la zona altoandina de Boyacá, Grupo de Investigaciones Mellitopalinológicas, Tesis de Grado, 2012 Khwaldia, Khaoula ; Arab-Tehrany, Elmira ; Desobry, Stephane: Biopolymer Coatings on Paper Packaging Materials. En: Comprehensive Reviews in Food Science and Food Safety 9 (2010), Nr. 1, p. 82–91 Kohavi, R.: Special issue on applications of machine learning and the knowledge discovery process. 30 (1998), p. 127–132 Kroyer, G. ; Hegedus, N.: Evaluation of bioactive properties of pollen extracts as functional dietary food supplement. 2 (2001), p. 171–174 Likas, A. ; Vlassis, N. ; Verbeek, J.: The global k-means clustering algorith. (2002) Londoño , M.: Ciencia, tecnología e innovación para la producción apícola colombiana. (2021) Lucchese, L. ; Mitray, S.: Color Image Segmentation: A State-of-the-Art Survey. (2010) Lunau, K.: Notes on the colour of pollen. (1995) Martínez, A.: Diagnóstico de la actividad apícola y de la crianza de la abejas en Colombia. (2006) Naser, M.: Insights into Performance Fitness and Error Metrics for Machine Learning. (2006) Nates, G. ; Montoya, P. ; Chamorro, F. ; Ramírez, N. ; Giraldo, C. ; Obregon , D.: Origen geográfico y botánico de mieles de Apiss mellifera APIDADE en cuantro departamentos de Colombia. Acta biológica colombiana, 2013. – Informe de Investigación. – 427–438 p. Otsu, N.: A Threshold Selection Method from Gray-Level Histograms. En: 1 9 (1979) P., Sosenski ; Domínguez, C.: El valor de la polinización y los riesgos que enfrenta como servicio ecosistémico. Nota de opinión. Revista Mexicana de Biodiversidad, 2018. – Informe de Investigación. – 961–970 p. Rodríguez, M. ; Cernadas, E. ; Formella, A. ; Fernández , M. ; De Sa-Otero , P.: Automatic Detection and Classification of Grains of Pollen Based on Shape and Texture. IEEE transactions on systems,man, and cybernetics-part C: applications and reviews, 2006. – Informe de Investigación Sarasola, M. ; Tellería, I.: Análisis de polen corbicular recogido durante los años 2002 y 2003 en los colmenares de estudio ecoetológico de Oñati y Goizueta. Departamento de genética animal de la UPV, 2016. – Informe de Investigación Sevillano, V. ; Holt, K. ; Aznarte, J.: Precise automatic classification of 46 different pollen types with convolutional neural networks. (2020) Steve, Y. ; Galatsanos, N.: Binary Decompositions for High-Order Entropy Coding of Grayscale Images. (1996) Sánchez, D.: Web-scale k-means clustering. (2010) Sánchez, R.: Crianza y producción de abejas : apicultura. (2003) Tidke, J. ; Dudl, S.: Neural Network based Classification of Pollen Grains. En: International Conference on Advances in Computing (2013) Tidke, J. ; Dudul, S.: A New Approach to Pollen Classification using Computational Intelligence. (2017) Vadivel, A. ; S., Sural.: Human color perception in the HSV space and its application in histogram generation for image retrieval. (2005) Vapnik, V. ; Wiley, John (Ed.) ; Sons (Ed.): Statistical Learning Theory. Chichester, 1998 Vásques R. ; Ortega, N. ; Camargo, E. ; Corpoica (Ed.): Implementación de buenas prácticas apícolas y el mejoramiento genético para la producción de miel y polen. Mosquera Colombia, 2015 Vásquez, R. ; Ballesteros, H. ; Muñoz, C. ; Cuellar ´ , M.: Utilización de la abeja Apis mellifera como agente polinizador de cultivos comerciales de fresa (Fragaria chiloensis) y mora (Rubusglaucus) y su efecto en la producción. (2006), p. 77 Vásquez, R. ; Ballesteros, H. ; Tello, J. ; Castañeda, S. ; Calvo, N. ; Ortega, N. ; Riveros, L.: Polinización dirigida con abejas Apis mellifera: tecnología para el mejoramiento de la producción de cultivos con potencial exportador. (2011), p. 87 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
xii, 48 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.country.spa.fl_str_mv |
Colombia |
| dc.coverage.region.spa.fl_str_mv |
Boyacá |
| dc.coverage.tgn.none.fl_str_mv |
http://vocab.getty.edu/page/tgn/7005071 |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Bogotá - Ciencias - Maestría en Ciencias - Matemática Aplicada |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias |
| dc.publisher.place.spa.fl_str_mv |
Bogotá, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Bogotá |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/83845/1/license.txt https://repositorio.unal.edu.co/bitstream/unal/83845/2/1024489756.2023.pdf https://repositorio.unal.edu.co/bitstream/unal/83845/3/1024489756.2023.pdf.jpg |
| bitstream.checksum.fl_str_mv |
eb34b1cf90b7e1103fc9dfd26be24b4a a9bdfc7d73c1c100d546180744527ab9 f921b0fa9127205c3342726fe5af4aa8 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1806886629863849984 |
| spelling |
Atribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Gómez Jaramillo, Francisco Albeiro415aa92d5615e8a2fa29cfa0a28ec210Martínez Niño, Carlos Albertodb8b97b832d6365c81c825286ac9cc03Leal Campuzano, Juan David91331a504834446372c7f12677baace9Computational Modeling of Biological Systems Research Group - COMBIOS2023-05-23T20:28:41Z2023-05-23T20:28:41Z2022https://repositorio.unal.edu.co/handle/unal/83845Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustracionesLa producción de polen corbicular es una actividad pecuaria de gran relevancia en el Colombia, especialmente en el departamento de Boyacá. La obtención de un sello de Denominación de Origen para este producto puede agregar valor y mejorar las condiciones económicas de los productores. Sin embargo, es fundamental contar con mecanismos que corroboren si una muestra de producto proviene de una determinada región para verificar el origen del producto. Desafortunadamente, las estrategias de verificación geográfica actuales son costosas y de difícil acceso para un productor. En este trabajo se propuso un nuevo modelo basado en segmentación por color y aprendizaje automático supervisado para identificar automáticamente el origen geográfico de una muestra de polen a partir de imágenes digitales adquiridas en condiciones controladas. La estrategia propuesta logró un alto desempeño, en particular F1-score=0.85, lo que sugiere que el método puede determinar con un alto nivel de certeza el productor y, en consecuencia, el origen geográfico. (Texto tomado de la fuente).The production of corbicular pollen is an agriculture activity of great relevance in the country, especially in the department of Boyac´a. Obtaining a Denomination of Origin seal for this product can add value and improve the economic conditions of producers. However, it is essential to have mechanisms that corroborate whether a product sample comes from a certain region to verify the origin of the product. Unfortunately, current geo-verification strategies are expensive and difficult for a producer to access. In this work, a new model based on color segmentation and supervised machine learning was proposed to automatically identify the geographic origin of a pollen sample from digital images acquired under controlled conditions. The proposed strategy achieved a performance of 0.85 in the F1-score, which suggests that the method can determine with a high level of certainty the producer and, consequently, the geographical origin.Incluye anexosMaestríaMagíster en Ciencias - Matemática AplicadaAprendizaje de máquina y matemáticas aplicadas a las ciencias pecuariasxii, 48 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ciencias - Maestría en Ciencias - Matemática AplicadaFacultad de CienciasBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá510 - Matemáticas::515 - AnálisisMercadeo-investigacionesInnovaciones tecnológicasAyudas comercialesMarketing researchDealer aidsPolenImágenes digitalesDenominación de origenColorPolenDigital ImagesDenomination of OriginColorDesarrollo de un modelo predictivo para determinar el origen geográfico de polen corbicular en BoyacáDevelopment of a predictive model to determine the geographic origin of corbicular pollen in BoyacáTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMColombiaBoyacáhttp://vocab.getty.edu/page/tgn/7005071Abdul, N. ; Sebastian, P.: Improving the Accuracy and Efficiency of the k-means Clustering Algorithm. 1 (2009)Adele, C. ; Cutler, R. ; Stevens, J. ; Springer (Ed.): Random forest: Ensemble Machine Learning: Methods and Applications. New York, 2012. – 157–175 p.Ahmed, Nasir ; Rao, Kamisetty R.: Walsh-Hadamard Transform. Berlin, Heidelberg : Springer Berlin Heidelberg, 1975. – 99–152 p.Alley, Ronnald: Algorithm Theoretical Basis Document for Decorrelation Stretch. (1996)Almeida, M. ; Ligia ; Pamplona, Lucila ; Coimbra, Sılvia ; Barth, Ortrud: Chemical composition and botanical evaluation of dried bee pollen pellets. En: Journal of Food Composition and Analysis - J FOOD COMPOS ANAL 18 (2005), p. 105–111Alpaydim, E. ; Dietterich, Thomas (Ed.): Introduction to machine learning. Cambridge, 2014. – 271–290 p.Amaya, M.: Floral constancy in bees: a revision of theories and a comparison with other pollinators. 35 (2009)Arroyo, J. ; Travieso, M. ; Ticay, J.: Sistema de detección y clasificación automática de granos de polen mediante técnicas de procesado digital de imágenes. 27 (2013)Arthur, D. ; Vassilvitskii, S.: How slow is the k-means method? En: Annual Symposium Computational Geometry 22 (2006)Bishop, C. ; Springer (Ed.): Pattern recognition and machine learning. New York, 2006de fomento agropecuario Boyacá, Secretaría: Cadena Productiva de las Abejas y la Apicultura-CPAA- Boyacá- censo Apíıcola. 2018. – Informe de InvestigaciónBradbear, N.: Bees and their role in forest livelihoods A guide to the service provided by bees and the sustainable harvesting, processing and marketing of their products. Roma, 2009. – 123–129 p.Breiman, L.: Random forest: Machine learning. 1 (2001), p. 5–32Burger, W. ; Burger, J.: Principles of Digital Image Processing, fundamental tecniques. Springer, 2009Campos, M.: Standard methods for pollen research / Nota de opinión. Revista Mexicana de Biodiversidad. 2021. – Informe de InvestigaciónCarreira, Miguel A.: A review of mean-shift algorithms for clustering. En: CoRR abs/1503.00687 (2015)Cheng, H. ; Jiang, X.: Color image segmentation: advances and prospects. (2000)Conti, I. ; Medrzycki, P. ; Grillenzoni, F. ; Corvucci, F. ; Tosi, S. ; Malagnini, V. ; Spinella, M. ; Mariotti, M.: Floral diversity of pollen collected by honey bees (Apis Mellifera L.)- Validation of the chromatic assessment method / University of Genova. 2016. – Informe de InvestigaciónDhawale, S. ; Tidke, J.: Neural Network based Classification of Pollen Grains. En: International Conference on Advances in Computing (2013)Dhawale, S. ; Tidke, J.: A New Approach to Pollen Classification using Computational Intelligence. (2017)Garibaldi: Los polinizadores en la agricultura. 2012. – Informe de InvestigaciónHastie, T. ; Tibshirani, R. ; Friedman, J. ; Springer (Ed.): The elements of statistical learning. Data mining, inference, and prediction. 2. New York, 2008Hidalgo, M. ; Bootello, M. ; J., Pacheco: Origen floral de las cargas de polen recogidas por apis mellifera L. en Alora (M´alaga España). (1990)Hough, P. V. C.: I Method and means for recognizing complex patterns. (1962)Hyde ; William, H.: Palynology nature. (1945)Jing, J. ; Zujovic, J. ; Chakraborty, B. ; Egmond, R. ; Ridder, H. ; Pappas, T.: Influence of Texture Structure on the Perception of Color Composition. (2020)July, A. ; Hernandez , L. ; Grosso, S.: Métodos estadísticos para la clasificación fisicoquímica del polen corbicular de la zona altoandina de Boyacá, Grupo de Investigaciones Mellitopalinológicas, Tesis de Grado, 2012Khwaldia, Khaoula ; Arab-Tehrany, Elmira ; Desobry, Stephane: Biopolymer Coatings on Paper Packaging Materials. En: Comprehensive Reviews in Food Science and Food Safety 9 (2010), Nr. 1, p. 82–91Kohavi, R.: Special issue on applications of machine learning and the knowledge discovery process. 30 (1998), p. 127–132Kroyer, G. ; Hegedus, N.: Evaluation of bioactive properties of pollen extracts as functional dietary food supplement. 2 (2001), p. 171–174Likas, A. ; Vlassis, N. ; Verbeek, J.: The global k-means clustering algorith. (2002)Londoño , M.: Ciencia, tecnología e innovación para la producción apícola colombiana. (2021)Lucchese, L. ; Mitray, S.: Color Image Segmentation: A State-of-the-Art Survey. (2010)Lunau, K.: Notes on the colour of pollen. (1995)Martínez, A.: Diagnóstico de la actividad apícola y de la crianza de la abejas en Colombia. (2006)Naser, M.: Insights into Performance Fitness and Error Metrics for Machine Learning. (2006)Nates, G. ; Montoya, P. ; Chamorro, F. ; Ramírez, N. ; Giraldo, C. ; Obregon , D.: Origen geográfico y botánico de mieles de Apiss mellifera APIDADE en cuantro departamentos de Colombia. Acta biológica colombiana, 2013. – Informe de Investigación. – 427–438 p.Otsu, N.: A Threshold Selection Method from Gray-Level Histograms. En: 1 9 (1979)P., Sosenski ; Domínguez, C.: El valor de la polinización y los riesgos que enfrenta como servicio ecosistémico. Nota de opinión. Revista Mexicana de Biodiversidad, 2018. – Informe de Investigación. – 961–970 p.Rodríguez, M. ; Cernadas, E. ; Formella, A. ; Fernández , M. ; De Sa-Otero , P.: Automatic Detection and Classification of Grains of Pollen Based on Shape and Texture. IEEE transactions on systems,man, and cybernetics-part C: applications and reviews, 2006. – Informe de InvestigaciónSarasola, M. ; Tellería, I.: Análisis de polen corbicular recogido durante los años 2002 y 2003 en los colmenares de estudio ecoetológico de Oñati y Goizueta. Departamento de genética animal de la UPV, 2016. – Informe de InvestigaciónSevillano, V. ; Holt, K. ; Aznarte, J.: Precise automatic classification of 46 different pollen types with convolutional neural networks. (2020)Steve, Y. ; Galatsanos, N.: Binary Decompositions for High-Order Entropy Coding of Grayscale Images. (1996)Sánchez, D.: Web-scale k-means clustering. (2010)Sánchez, R.: Crianza y producción de abejas : apicultura. (2003)Tidke, J. ; Dudl, S.: Neural Network based Classification of Pollen Grains. En: International Conference on Advances in Computing (2013)Tidke, J. ; Dudul, S.: A New Approach to Pollen Classification using Computational Intelligence. (2017)Vadivel, A. ; S., Sural.: Human color perception in the HSV space and its application in histogram generation for image retrieval. (2005)Vapnik, V. ; Wiley, John (Ed.) ; Sons (Ed.): Statistical Learning Theory. Chichester, 1998Vásques R. ; Ortega, N. ; Camargo, E. ; Corpoica (Ed.): Implementación de buenas prácticas apícolas y el mejoramiento genético para la producción de miel y polen. Mosquera Colombia, 2015Vásquez, R. ; Ballesteros, H. ; Muñoz, C. ; Cuellar ´ , M.: Utilización de la abeja Apis mellifera como agente polinizador de cultivos comerciales de fresa (Fragaria chiloensis) y mora (Rubusglaucus) y su efecto en la producción. (2006), p. 77Vásquez, R. ; Ballesteros, H. ; Tello, J. ; Castañeda, S. ; Calvo, N. ; Ortega, N. ; Riveros, L.: Polinización dirigida con abejas Apis mellifera: tecnología para el mejoramiento de la producción de cultivos con potencial exportador. (2011), p. 87EstudiantesGrupos comunitariosInvestigadoresMaestrosPúblico generalLICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/83845/1/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD51ORIGINAL1024489756.2023.pdf1024489756.2023.pdfTesis de Maestría en Ciencias - Matemática Aplicadaapplication/pdf25009082https://repositorio.unal.edu.co/bitstream/unal/83845/2/1024489756.2023.pdfa9bdfc7d73c1c100d546180744527ab9MD52THUMBNAIL1024489756.2023.pdf.jpg1024489756.2023.pdf.jpgGenerated Thumbnailimage/jpeg4487https://repositorio.unal.edu.co/bitstream/unal/83845/3/1024489756.2023.pdf.jpgf921b0fa9127205c3342726fe5af4aa8MD53unal/83845oai:repositorio.unal.edu.co:unal/838452023-08-05 23:04:25.428Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |