Comparación de diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y estado de maduración
Este trabajo enfoca su objetivo principal en diseñar diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y por estados de maduración en busca de una automatización agrícola óptima. Por lo cual, se diseñaron 3 modelos para cada clasificación que se envuelve...
- Autores:
-
Rojas Sánchez, Diego Alejandro
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/68793
- Acceso en línea:
- http://hdl.handle.net/1992/68793
- Palabra clave:
- Agricultura
Visión por computadora
ANN
CNN
Imágenes
Redes neuronales
Tomate chonto
Ingeniería
- Rights
- openAccess
- License
- Attribution-NoDerivatives 4.0 Internacional
| id |
UNIANDES2_e57ebf5b89ac9325a5c99fa9db264382 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/68793 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Comparación de diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y estado de maduración |
| title |
Comparación de diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y estado de maduración |
| spellingShingle |
Comparación de diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y estado de maduración Agricultura Visión por computadora ANN CNN Imágenes Redes neuronales Tomate chonto Ingeniería |
| title_short |
Comparación de diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y estado de maduración |
| title_full |
Comparación de diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y estado de maduración |
| title_fullStr |
Comparación de diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y estado de maduración |
| title_full_unstemmed |
Comparación de diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y estado de maduración |
| title_sort |
Comparación de diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y estado de maduración |
| dc.creator.fl_str_mv |
Rojas Sánchez, Diego Alejandro |
| dc.contributor.advisor.none.fl_str_mv |
García Cárdenas, Juan José Segura Quijano, Fredy Enrique |
| dc.contributor.author.none.fl_str_mv |
Rojas Sánchez, Diego Alejandro |
| dc.contributor.jury.none.fl_str_mv |
Sotelo Briceño, Diana Camila |
| dc.subject.keyword.none.fl_str_mv |
Agricultura Visión por computadora ANN CNN Imágenes Redes neuronales Tomate chonto |
| topic |
Agricultura Visión por computadora ANN CNN Imágenes Redes neuronales Tomate chonto Ingeniería |
| dc.subject.themes.es_CO.fl_str_mv |
Ingeniería |
| description |
Este trabajo enfoca su objetivo principal en diseñar diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y por estados de maduración en busca de una automatización agrícola óptima. Por lo cual, se diseñaron 3 modelos para cada clasificación que se envuelven en el campo del análisis de imágenes, redes neuronales artificiales y redes neuronales convolucionales. Las cuales, se construyen alrededor de una base de datos construida durante el proyecto diseñando un protocolo de toma de fotografías adecuado para garantizar una alta calidad de las imágenes. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-07-26T14:38:09Z |
| dc.date.available.none.fl_str_mv |
2023-07-26T14:38:09Z |
| dc.date.issued.none.fl_str_mv |
2023-06-09 |
| dc.type.es_CO.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.es_CO.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/68793 |
| dc.identifier.instname.es_CO.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.es_CO.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.es_CO.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/68793 |
| identifier_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.es_CO.fl_str_mv |
A. Buriticá, «La innovación en la producción de tomate en Colombia,» 2022. [En línea]. Available: https://blog.croper.com/la-innovacion-en-la-produccion-de-tomate-en-colombia/. Dirección de Cadenas Agrícolas y Forestales, «Cadena de las Hortalizas,» Ministerio de Agricultura y Desarrollo Rural, 2019. [En línea]. Available: https://sioc.minagricultura.gov.co/Hortalizas/Documentos/2019-12-30%20Cifras%20Sectoriales.pdf. Viceprecidencia de fortalecimiento empresarial, «Programa de apoyo agrícola y agroindustrial,» Cámara de comercio de Bogotá, Bogotá, Colombia, 2015. E. Burbano y F. A. Vallejo Cabrera, «Producción de líneas de tomate 'chonto,' Solanum,» Rev. colomb cienc hortíc, p. pp. 63-71, 2017. Agriculture Organization of the United Nations (FAO), «FAO Statistical Databases.,» Faostat, Roma, 2000. F. V. Cabrera, Mejoramiento genético y producción de tomate en Colombia, Bogotá,Colombia: Universidad Nacional, 1999la. C. E. Muñoz Domínguez y H. R. Casallas Ávila , «Diseño de una máquina para la clasificación de tomate chonto Lycopersicum esculentum mill,» Universidad de La Salle, Bogotá, 2020. G. J. Fornaris, «Conjunto Tecnológico para la Producción de Tomate1, CARACTERÍSTICAS DE LA PLANTA,» Universidad de Puerto Rico, ESTACIÓN EXPERIMENTAL AGRÍCOLA, Puerto Rico, 2007. Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC), «Norma técnica colombian NTC 1103-1,,» Bogotá, 1995. C. d. l. p. Wikimedia, «Wikipedia, la enciclopedia libre,» RGB - Wikipedia, la enciclopedia libre, 2004. [En línea]. Available: https://es.wikipedia.org/wiki/RGB. [Último acceso: 16 05 2023]. C. d. l. p. Wikimedia, «Modelo de color HSV - Wikipedia, la enciclopedia libre,» Wikipedia, la enciclopedia libre, 2006. [En línea]. Available: https://es.wikipedia.org/wiki/Modelo_de_color_HSV. [Último acceso: 16 05 2023]. Adobe , «Visualización de histogramas y valores de píxeles,» Adobe Help Center, s.f.. [En línea]. Available: https://helpx.adobe.com/co/photoshop/using/viewing-histograms-pixel-values.html. T. d. programación, «Histogramas OpenCV Python,» Tutor de Programación, 2017. [En línea]. Available: http://acodigo.blogspot.com/2017/08/histogramas-opencv-python.html. DataSmarts, «Cómo Usar Máscaras en OpenCV,» YouTube, 2022. [En línea]. Available: https://www.youtube.com/watch?v=LA48oCHNxF4. G. Omes, «DETECCIÓN DE COLORES Y Tracking en OpenCV,» YouTube, 7 3 2019. [En línea]. Available: https://www.youtube.com/watch?v=CFuyXw-pfPY&t=2s&ab_channel=OMES. [Último acceso: 17 05 2023]. National geographic, «Breve historia visual de la inteligencia artificial,» National geographic, 2020. [En línea]. Available: https://www.nationalgeographic.com.es/ciencia/breve-historia-visual-inteligencia-artificial_14419. V. Rodríguez, «Conceptos básicos sobre redes neuronales,» 30 10 2018. [En línea]. Available: https://vincentblog.xyz/posts/conceptos-basicos-sobre-redes-neuronales. IBM, «IBM Documentation,» IBM - Deutschland | IBM, s.f.. [En línea]. Available: https://www.ibm.com/docs/es/spss-modeler/saas?topic=nodes-neural-networks. P. COSTA, «Redes neuronales convolucionales explicadas,» s.f.. [En línea]. Available: https://pochocosta.com/podcast/redes-neuronales-convolucionales-explicadas/. E. Freire y S. Silva, «Redes neuronales,» Medium, 14 11 2019. [En línea]. Available: https://bootcampai.medium.com/redes-neuronales-13349dd1a5bb#:~:text=Funciones%20de%20activaci%C3%B3n,que%20permitir%C3%A1%2. D. Calvo, «Función de activación - Redes neuronales,» 7 12 2018. [En línea]. Available: https://www.diegocalvo.es/funcion-de-activacion-redes-neuronales/. I. Gavilán, «Catálogo de componentes de redes neuronales (III): funciones de pérdida,» [En línea]. Available: https://ignaciogavilan.com/catalogo-de-componentes-de-redes-neuronales-iii-funciones-de-perdida/. P. G. Juan Camilo , «Clasificación de la madurez del aguacate Hass para su cosecha,» UNIVERSIDAD DE LOS ANDES, Bogotá, Colombia, 2022. N. S. Chauhan, «Métricas De Evaluación De Modelos En El Aprendizaje Automático,» datasource.ai, 02 09 2020. [En línea]. Available: https://www.datasource.ai/es/data-science-articles/metricas-de-evaluacion-de-modelos-en-el-aprendizaje-automatico. «Machine Learning: Seleccion Metricas de clasificacion,» sitiobigdata.com, [En línea]. Available: https://www.datasource.ai/es/data-science-articles/metricas-de-evaluacion-de-modelos-en-el-aprendizaje-automatico. R. Díaz Badra, «Métricas de Clasificación,» Descubriendo la IA, s.f.. [En línea]. Available: https://www.themachinelearners.com/metricas-de-clasificacion/. B. Me y M. Carlos, «Cómo interpretar un artículo sobre pruebas diagnósticas,» Revista Chilena de Cirugia, vol. 62, nº 10.4067/S0718-40262010000300018, pp. 301-308, 2010. O. I. ROSARIO, «SISTEMA PARA CLASIFICACIÓN DE JITOMATES,» centro de investigacion optica, pp. 1-9, 2010. C. E. Muñoz Domínguez y H. R. Casallas Ávila , «Diseño de una máquina para la clasificación de tomate chonto,» Universidad de La Salle, 2020. J. V. E. R. Diaz, «Algoritmo integrado con febrero Artificial apoyado en mano robótica,» 2020. G. Omes, «DETECCIÓN DE COLORES en OPENCV [en 4 Pasos] - Parte1,» YouTube, 02 03 2019. [En línea]. Available: https://www.youtube.com/watch?v=giwtDYcIXKA&t=4s&ab_channel=OMES. surflaweb, «Estimar el diámetro de una fruta con visión artificial (opencv - python),» YouTube, 22 02 2021. [En línea]. Available: https://www.youtube.com/watch?v=o0SSZPmKXZU&ab_channel=surflaweb. |
| dc.rights.license.spa.fl_str_mv |
Attribution-NoDerivatives 4.0 Internacional |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Attribution-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
66 páginas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.es_CO.fl_str_mv |
Ingeniería Electrónica |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/7b9346bf-3ed5-49bb-8595-3baa4fd770d1/download https://repositorio.uniandes.edu.co/bitstreams/cc8ca16b-15a7-4cad-9479-bbcbabcb7730/download https://repositorio.uniandes.edu.co/bitstreams/1ca52a5e-6a1f-482a-9876-92b44c857393/download https://repositorio.uniandes.edu.co/bitstreams/358d901a-2ef6-47f1-bfbf-907c49a3c128/download https://repositorio.uniandes.edu.co/bitstreams/7dd523e4-1707-40b7-97b7-fd7178709f12/download https://repositorio.uniandes.edu.co/bitstreams/2600a3e9-326e-401d-aa0c-472e4994499e/download https://repositorio.uniandes.edu.co/bitstreams/00e98542-d97a-4fdd-b0d0-fb2790cf36ec/download https://repositorio.uniandes.edu.co/bitstreams/4f85ee18-7fd2-4f04-a1bb-60a9d2b6221e/download |
| bitstream.checksum.fl_str_mv |
24ea5f4c4af60be799c528ec2f293602 a44a10784bb7c470fc34ce2600e591cd 7269f75bdc46adf5981a8d01f79283bd 70c997c904cdf78efa0bf79b16546058 f7d494f61e544413a13e6ba1da2089cd 5aa5c691a1ffe97abd12c2966efcb8d6 86a721c8dd1eb47b6115aa8c064b2455 08b106dfeb12472e88207a069e15ba30 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1818111927740530688 |
| spelling |
Attribution-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2García Cárdenas, Juan José8f3d9ce6-e154-44c7-98f5-9c4cf07a3773600Segura Quijano, Fredy Enriquevirtual::12429-1Rojas Sánchez, Diego Alejandro95f88174-b6bf-495e-8e58-3c9699e0e099600Sotelo Briceño, Diana Camila2023-07-26T14:38:09Z2023-07-26T14:38:09Z2023-06-09http://hdl.handle.net/1992/68793instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Este trabajo enfoca su objetivo principal en diseñar diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y por estados de maduración en busca de una automatización agrícola óptima. Por lo cual, se diseñaron 3 modelos para cada clasificación que se envuelven en el campo del análisis de imágenes, redes neuronales artificiales y redes neuronales convolucionales. Las cuales, se construyen alrededor de una base de datos construida durante el proyecto diseñando un protocolo de toma de fotografías adecuado para garantizar una alta calidad de las imágenes.Ingeniero ElectrónicoPregrado66 páginasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaComparación de diferentes métodos de visión por computadora para la clasificación del tomate chonto por tamaño y estado de maduraciónTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPAgriculturaVisión por computadoraANNCNNImágenesRedes neuronalesTomate chontoIngenieríaA. Buriticá, «La innovación en la producción de tomate en Colombia,» 2022. [En línea]. Available: https://blog.croper.com/la-innovacion-en-la-produccion-de-tomate-en-colombia/.Dirección de Cadenas Agrícolas y Forestales, «Cadena de las Hortalizas,» Ministerio de Agricultura y Desarrollo Rural, 2019. [En línea]. Available: https://sioc.minagricultura.gov.co/Hortalizas/Documentos/2019-12-30%20Cifras%20Sectoriales.pdf.Viceprecidencia de fortalecimiento empresarial, «Programa de apoyo agrícola y agroindustrial,» Cámara de comercio de Bogotá, Bogotá, Colombia, 2015.E. Burbano y F. A. Vallejo Cabrera, «Producción de líneas de tomate 'chonto,' Solanum,» Rev. colomb cienc hortíc, p. pp. 63-71, 2017.Agriculture Organization of the United Nations (FAO), «FAO Statistical Databases.,» Faostat, Roma, 2000.F. V. Cabrera, Mejoramiento genético y producción de tomate en Colombia, Bogotá,Colombia: Universidad Nacional, 1999la.C. E. Muñoz Domínguez y H. R. Casallas Ávila , «Diseño de una máquina para la clasificación de tomate chonto Lycopersicum esculentum mill,» Universidad de La Salle, Bogotá, 2020.G. J. Fornaris, «Conjunto Tecnológico para la Producción de Tomate1, CARACTERÍSTICAS DE LA PLANTA,» Universidad de Puerto Rico, ESTACIÓN EXPERIMENTAL AGRÍCOLA, Puerto Rico, 2007.Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC), «Norma técnica colombian NTC 1103-1,,» Bogotá, 1995.C. d. l. p. Wikimedia, «Wikipedia, la enciclopedia libre,» RGB - Wikipedia, la enciclopedia libre, 2004. [En línea]. Available: https://es.wikipedia.org/wiki/RGB. [Último acceso: 16 05 2023].C. d. l. p. Wikimedia, «Modelo de color HSV - Wikipedia, la enciclopedia libre,» Wikipedia, la enciclopedia libre, 2006. [En línea]. Available: https://es.wikipedia.org/wiki/Modelo_de_color_HSV. [Último acceso: 16 05 2023].Adobe , «Visualización de histogramas y valores de píxeles,» Adobe Help Center, s.f.. [En línea]. Available: https://helpx.adobe.com/co/photoshop/using/viewing-histograms-pixel-values.html.T. d. programación, «Histogramas OpenCV Python,» Tutor de Programación, 2017. [En línea]. Available: http://acodigo.blogspot.com/2017/08/histogramas-opencv-python.html.DataSmarts, «Cómo Usar Máscaras en OpenCV,» YouTube, 2022. [En línea]. Available: https://www.youtube.com/watch?v=LA48oCHNxF4.G. Omes, «DETECCIÓN DE COLORES Y Tracking en OpenCV,» YouTube, 7 3 2019. [En línea]. Available: https://www.youtube.com/watch?v=CFuyXw-pfPY&t=2s&ab_channel=OMES. [Último acceso: 17 05 2023].National geographic, «Breve historia visual de la inteligencia artificial,» National geographic, 2020. [En línea]. Available: https://www.nationalgeographic.com.es/ciencia/breve-historia-visual-inteligencia-artificial_14419.V. Rodríguez, «Conceptos básicos sobre redes neuronales,» 30 10 2018. [En línea]. Available: https://vincentblog.xyz/posts/conceptos-basicos-sobre-redes-neuronales.IBM, «IBM Documentation,» IBM - Deutschland | IBM, s.f.. [En línea]. Available: https://www.ibm.com/docs/es/spss-modeler/saas?topic=nodes-neural-networks.P. COSTA, «Redes neuronales convolucionales explicadas,» s.f.. [En línea]. Available: https://pochocosta.com/podcast/redes-neuronales-convolucionales-explicadas/.E. Freire y S. Silva, «Redes neuronales,» Medium, 14 11 2019. [En línea]. Available: https://bootcampai.medium.com/redes-neuronales-13349dd1a5bb#:~:text=Funciones%20de%20activaci%C3%B3n,que%20permitir%C3%A1%2.D. Calvo, «Función de activación - Redes neuronales,» 7 12 2018. [En línea]. Available: https://www.diegocalvo.es/funcion-de-activacion-redes-neuronales/.I. Gavilán, «Catálogo de componentes de redes neuronales (III): funciones de pérdida,» [En línea]. Available: https://ignaciogavilan.com/catalogo-de-componentes-de-redes-neuronales-iii-funciones-de-perdida/.P. G. Juan Camilo , «Clasificación de la madurez del aguacate Hass para su cosecha,» UNIVERSIDAD DE LOS ANDES, Bogotá, Colombia, 2022.N. S. Chauhan, «Métricas De Evaluación De Modelos En El Aprendizaje Automático,» datasource.ai, 02 09 2020. [En línea]. Available: https://www.datasource.ai/es/data-science-articles/metricas-de-evaluacion-de-modelos-en-el-aprendizaje-automatico.«Machine Learning: Seleccion Metricas de clasificacion,» sitiobigdata.com, [En línea]. Available: https://www.datasource.ai/es/data-science-articles/metricas-de-evaluacion-de-modelos-en-el-aprendizaje-automatico.R. Díaz Badra, «Métricas de Clasificación,» Descubriendo la IA, s.f.. [En línea]. Available: https://www.themachinelearners.com/metricas-de-clasificacion/.B. Me y M. Carlos, «Cómo interpretar un artículo sobre pruebas diagnósticas,» Revista Chilena de Cirugia, vol. 62, nº 10.4067/S0718-40262010000300018, pp. 301-308, 2010.O. I. ROSARIO, «SISTEMA PARA CLASIFICACIÓN DE JITOMATES,» centro de investigacion optica, pp. 1-9, 2010.C. E. Muñoz Domínguez y H. R. Casallas Ávila , «Diseño de una máquina para la clasificación de tomate chonto,» Universidad de La Salle, 2020.J. V. E. R. Diaz, «Algoritmo integrado con febrero Artificial apoyado en mano robótica,» 2020.G. Omes, «DETECCIÓN DE COLORES en OPENCV [en 4 Pasos] - Parte1,» YouTube, 02 03 2019. [En línea]. Available: https://www.youtube.com/watch?v=giwtDYcIXKA&t=4s&ab_channel=OMES.surflaweb, «Estimar el diámetro de una fruta con visión artificial (opencv - python),» YouTube, 22 02 2021. [En línea]. Available: https://www.youtube.com/watch?v=o0SSZPmKXZU&ab_channel=surflaweb.201812307Publicationhttps://scholar.google.es/citations?user=xw2k1CIAAAAJvirtual::12429-10000-0001-7757-1432virtual::12429-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000051497virtual::12429-17684cb09-6991-4ac4-aff9-b29fe065439fvirtual::12429-17684cb09-6991-4ac4-aff9-b29fe065439fvirtual::12429-1THUMBNAILDocumento_Tesis_IELE_Diego_Rojas.pdf.jpgDocumento_Tesis_IELE_Diego_Rojas.pdf.jpgIM Thumbnailimage/jpeg12030https://repositorio.uniandes.edu.co/bitstreams/7b9346bf-3ed5-49bb-8595-3baa4fd770d1/download24ea5f4c4af60be799c528ec2f293602MD514Autorizacion_y_entrega_de_tesis_IELE (1).pdf.jpgAutorizacion_y_entrega_de_tesis_IELE (1).pdf.jpgIM Thumbnailimage/jpeg16382https://repositorio.uniandes.edu.co/bitstreams/cc8ca16b-15a7-4cad-9479-bbcbabcb7730/downloada44a10784bb7c470fc34ce2600e591cdMD516ORIGINALDocumento_Tesis_IELE_Diego_Rojas.pdfDocumento_Tesis_IELE_Diego_Rojas.pdfDocumento de proyecto de gradoapplication/pdf2375741https://repositorio.uniandes.edu.co/bitstreams/1ca52a5e-6a1f-482a-9876-92b44c857393/download7269f75bdc46adf5981a8d01f79283bdMD53Autorizacion_y_entrega_de_tesis_IELE (1).pdfAutorizacion_y_entrega_de_tesis_IELE (1).pdfHIDEapplication/pdf276656https://repositorio.uniandes.edu.co/bitstreams/358d901a-2ef6-47f1-bfbf-907c49a3c128/download70c997c904cdf78efa0bf79b16546058MD512CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8799https://repositorio.uniandes.edu.co/bitstreams/7dd523e4-1707-40b7-97b7-fd7178709f12/downloadf7d494f61e544413a13e6ba1da2089cdMD511LICENSElicense.txtlicense.txttext/plain; charset=utf-81810https://repositorio.uniandes.edu.co/bitstreams/2600a3e9-326e-401d-aa0c-472e4994499e/download5aa5c691a1ffe97abd12c2966efcb8d6MD510TEXTDocumento_Tesis_IELE_Diego_Rojas.pdf.txtDocumento_Tesis_IELE_Diego_Rojas.pdf.txtExtracted texttext/plain151388https://repositorio.uniandes.edu.co/bitstreams/00e98542-d97a-4fdd-b0d0-fb2790cf36ec/download86a721c8dd1eb47b6115aa8c064b2455MD513Autorizacion_y_entrega_de_tesis_IELE (1).pdf.txtAutorizacion_y_entrega_de_tesis_IELE (1).pdf.txtExtracted texttext/plain1161https://repositorio.uniandes.edu.co/bitstreams/4f85ee18-7fd2-4f04-a1bb-60a9d2b6221e/download08b106dfeb12472e88207a069e15ba30MD5151992/68793oai:repositorio.uniandes.edu.co:1992/687932024-03-13 14:41:04.377http://creativecommons.org/licenses/by-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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 |