Modelos de transfer learning y uso de vants de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales...
- Autores
- Diaz Dávila, Laura; Letourneau, Federico Jorge; Almarcha, Matías; Aybar, Lourdes; Prieto, Julieta; Stimolo, María Inés; Laclau, Pablo; Furlan, Natalia; Vorraber, Leslie; Tallarico, Gabriela
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Fil: Diaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina.
Fil: Letourneau, Federico Jorge. Instituto Nacional de Tecnología Agropecuaria; Argentina.
Fil: Letourneau, Federico Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.
Fil: Almarcha, Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina.
Fil: Aybar, Lourdes. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina.
Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Fil: Laclau, Pablo. Instituto Nacional de Tecnología Agropecuaria; Argentina.
Fil: Laclau, Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.
Fil: Furlan, Natalia. Instituto Nacional de Tecnología Agropecuaria; Argentina.
Fil: Furlan, Natalia. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.
Fil: Vorraber, Leslie. Instituto Nacional de Tecnología Agropecuaria; Argentina.
Fil: Vorraber, Leslie. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.
Fil: Tallarico, Gabriela. Instituto Nacional de Tecnología Agropecuaria. Dirección Nacional Asistente de Sistemas de Información, Tecnologías y Procesos; Argentina.
En este artículo se presenta el uso de Inteligencia Artificial para detectar y caracterizar el estado de la vegetación en zonas afectadas por incendios forestales. El corpus de datos se construyó a partir de las imágenes producidas por drones de bajo peso y costo, equipados con cámaras RGB. La metodología incluyó la captura de imágenes de alta resolución, la elección de los modelos de Aprendizaje Automático Profundo (Transfer learning, nativos para imágenes), el tratamiento de los datos, el entrenamiento y el testeo. Se muestran los avances, a modo de prueba de concepto, para analizar áreas afectadas por incendios en los bosques andino-patagónicos. Los resultados proporcionan información que permite evaluar estrategias para la recuperación de la vegetación tras incendios forestales.
ABSTRACT This article describes the use of Artificial Intelligence to identify and characterize the condition of vegetation in areas impacted by forest fires. The data set was created from images captured by lightweight, inexpensive drones equipped with RGB cameras. The approach involves capturing high-resolution images, selecting Deep Machine Learning models (specifically designed for image analysis), data processing, as well as training and testing. As a proof of concept, progress is demonstrated through the analysis of fire-affected areas in the Andean-Patagonian forests. The findings offer valuable insights for evaluating strategies aimed at rehabilitating vegetation following forest fires.
Fil: Diaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina.
Fil: Letourneau, Federico Jorge. Instituto Nacional de Tecnología Agropecuaria; Argentina.
Fil: Letourneau, Federico Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.
Fil: Almarcha, Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina.
Fil: Aybar, Lourdes. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina.
Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Fil: Laclau, Pablo. Instituto Nacional de Tecnología Agropecuaria; Argentina.
Fil: Laclau, Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.
Fil: Furlan, Natalia. Instituto Nacional de Tecnología Agropecuaria; Argentina.
Fil: Furlan, Natalia. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.
Fil: Vorraber, Leslie. Instituto Nacional de Tecnología Agropecuaria; Argentina.
Fil: Vorraber, Leslie. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.
Fil: Tallarico, Gabriela. Instituto Nacional de Tecnología Agropecuaria. Dirección Nacional Asistente de Sistemas de Información, Tecnologías y Procesos; Argentina. - Materia
-
Aprendizaje automático profundo
Drones
Incendios forestales
Recuperación vegetal
Inteligencia Artificial (IA)
Eje temático: Ciudad, ambiente y territorio
TECHNOLOGY - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- Repositorio
.jpg)
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/558195
Ver los metadatos del registro completo
| id |
RDUUNC_2b0da66c330dbb7c13639b7b22c7c873 |
|---|---|
| oai_identifier_str |
oai:rdu.unc.edu.ar:11086/558195 |
| network_acronym_str |
RDUUNC |
| repository_id_str |
2572 |
| network_name_str |
Repositorio Digital Universitario (UNC) |
| spelling |
Modelos de transfer learning y uso de vants de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestalesDiaz Dávila, LauraLetourneau, Federico JorgeAlmarcha, MatíasAybar, LourdesPrieto, JulietaStimolo, María InésLaclau, PabloFurlan, NataliaVorraber, LeslieTallarico, GabrielaAprendizaje automático profundoDronesIncendios forestalesRecuperación vegetalInteligencia Artificial (IA)Eje temático: Ciudad, ambiente y territorioTECHNOLOGYFil: Diaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina.Fil: Letourneau, Federico Jorge. Instituto Nacional de Tecnología Agropecuaria; Argentina.Fil: Letourneau, Federico Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.Fil: Almarcha, Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina.Fil: Aybar, Lourdes. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina.Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.Fil: Laclau, Pablo. Instituto Nacional de Tecnología Agropecuaria; Argentina.Fil: Laclau, Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.Fil: Furlan, Natalia. Instituto Nacional de Tecnología Agropecuaria; Argentina.Fil: Furlan, Natalia. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.Fil: Vorraber, Leslie. Instituto Nacional de Tecnología Agropecuaria; Argentina.Fil: Vorraber, Leslie. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.Fil: Tallarico, Gabriela. Instituto Nacional de Tecnología Agropecuaria. Dirección Nacional Asistente de Sistemas de Información, Tecnologías y Procesos; Argentina.En este artículo se presenta el uso de Inteligencia Artificial para detectar y caracterizar el estado de la vegetación en zonas afectadas por incendios forestales. El corpus de datos se construyó a partir de las imágenes producidas por drones de bajo peso y costo, equipados con cámaras RGB. La metodología incluyó la captura de imágenes de alta resolución, la elección de los modelos de Aprendizaje Automático Profundo (Transfer learning, nativos para imágenes), el tratamiento de los datos, el entrenamiento y el testeo. Se muestran los avances, a modo de prueba de concepto, para analizar áreas afectadas por incendios en los bosques andino-patagónicos. Los resultados proporcionan información que permite evaluar estrategias para la recuperación de la vegetación tras incendios forestales.ABSTRACT This article describes the use of Artificial Intelligence to identify and characterize the condition of vegetation in areas impacted by forest fires. The data set was created from images captured by lightweight, inexpensive drones equipped with RGB cameras. The approach involves capturing high-resolution images, selecting Deep Machine Learning models (specifically designed for image analysis), data processing, as well as training and testing. As a proof of concept, progress is demonstrated through the analysis of fire-affected areas in the Andean-Patagonian forests. The findings offer valuable insights for evaluating strategies aimed at rehabilitating vegetation following forest fires.Fil: Diaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina.Fil: Letourneau, Federico Jorge. Instituto Nacional de Tecnología Agropecuaria; Argentina.Fil: Letourneau, Federico Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.Fil: Almarcha, Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina.Fil: Aybar, Lourdes. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina.Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.Fil: Laclau, Pablo. Instituto Nacional de Tecnología Agropecuaria; Argentina.Fil: Laclau, Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.Fil: Furlan, Natalia. Instituto Nacional de Tecnología Agropecuaria; Argentina.Fil: Furlan, Natalia. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.Fil: Vorraber, Leslie. Instituto Nacional de Tecnología Agropecuaria; Argentina.Fil: Vorraber, Leslie. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina.Fil: Tallarico, Gabriela. Instituto Nacional de Tecnología Agropecuaria. Dirección Nacional Asistente de Sistemas de Información, Tecnologías y Procesos; Argentina.2024info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfDíaz Dávila, L., Letourneau, F. J., Almarcha, M., Aybar, L., Prieto, J., Stimolo, M. I., Laclau, P., Furlan, N., Vorraber, L., & Tallarico, G. (2024). Modelos de transfer learning y uso de VANTs de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales. Argentina.http://hdl.handle.net/11086/558195spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-11-06T09:36:15Zoai:rdu.unc.edu.ar:11086/558195Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-11-06 09:36:16.159Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse |
| dc.title.none.fl_str_mv |
Modelos de transfer learning y uso de vants de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales |
| title |
Modelos de transfer learning y uso de vants de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales |
| spellingShingle |
Modelos de transfer learning y uso de vants de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales Diaz Dávila, Laura Aprendizaje automático profundo Drones Incendios forestales Recuperación vegetal Inteligencia Artificial (IA) Eje temático: Ciudad, ambiente y territorio TECHNOLOGY |
| title_short |
Modelos de transfer learning y uso de vants de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales |
| title_full |
Modelos de transfer learning y uso de vants de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales |
| title_fullStr |
Modelos de transfer learning y uso de vants de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales |
| title_full_unstemmed |
Modelos de transfer learning y uso de vants de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales |
| title_sort |
Modelos de transfer learning y uso de vants de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales |
| dc.creator.none.fl_str_mv |
Diaz Dávila, Laura Letourneau, Federico Jorge Almarcha, Matías Aybar, Lourdes Prieto, Julieta Stimolo, María Inés Laclau, Pablo Furlan, Natalia Vorraber, Leslie Tallarico, Gabriela |
| author |
Diaz Dávila, Laura |
| author_facet |
Diaz Dávila, Laura Letourneau, Federico Jorge Almarcha, Matías Aybar, Lourdes Prieto, Julieta Stimolo, María Inés Laclau, Pablo Furlan, Natalia Vorraber, Leslie Tallarico, Gabriela |
| author_role |
author |
| author2 |
Letourneau, Federico Jorge Almarcha, Matías Aybar, Lourdes Prieto, Julieta Stimolo, María Inés Laclau, Pablo Furlan, Natalia Vorraber, Leslie Tallarico, Gabriela |
| author2_role |
author author author author author author author author author |
| dc.subject.none.fl_str_mv |
Aprendizaje automático profundo Drones Incendios forestales Recuperación vegetal Inteligencia Artificial (IA) Eje temático: Ciudad, ambiente y territorio TECHNOLOGY |
| topic |
Aprendizaje automático profundo Drones Incendios forestales Recuperación vegetal Inteligencia Artificial (IA) Eje temático: Ciudad, ambiente y territorio TECHNOLOGY |
| dc.description.none.fl_txt_mv |
Fil: Diaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina. Fil: Letourneau, Federico Jorge. Instituto Nacional de Tecnología Agropecuaria; Argentina. Fil: Letourneau, Federico Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina. Fil: Almarcha, Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina. Fil: Aybar, Lourdes. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina. Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina. Fil: Laclau, Pablo. Instituto Nacional de Tecnología Agropecuaria; Argentina. Fil: Laclau, Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina. Fil: Furlan, Natalia. Instituto Nacional de Tecnología Agropecuaria; Argentina. Fil: Furlan, Natalia. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina. Fil: Vorraber, Leslie. Instituto Nacional de Tecnología Agropecuaria; Argentina. Fil: Vorraber, Leslie. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina. Fil: Tallarico, Gabriela. Instituto Nacional de Tecnología Agropecuaria. Dirección Nacional Asistente de Sistemas de Información, Tecnologías y Procesos; Argentina. En este artículo se presenta el uso de Inteligencia Artificial para detectar y caracterizar el estado de la vegetación en zonas afectadas por incendios forestales. El corpus de datos se construyó a partir de las imágenes producidas por drones de bajo peso y costo, equipados con cámaras RGB. La metodología incluyó la captura de imágenes de alta resolución, la elección de los modelos de Aprendizaje Automático Profundo (Transfer learning, nativos para imágenes), el tratamiento de los datos, el entrenamiento y el testeo. Se muestran los avances, a modo de prueba de concepto, para analizar áreas afectadas por incendios en los bosques andino-patagónicos. Los resultados proporcionan información que permite evaluar estrategias para la recuperación de la vegetación tras incendios forestales. ABSTRACT This article describes the use of Artificial Intelligence to identify and characterize the condition of vegetation in areas impacted by forest fires. The data set was created from images captured by lightweight, inexpensive drones equipped with RGB cameras. The approach involves capturing high-resolution images, selecting Deep Machine Learning models (specifically designed for image analysis), data processing, as well as training and testing. As a proof of concept, progress is demonstrated through the analysis of fire-affected areas in the Andean-Patagonian forests. The findings offer valuable insights for evaluating strategies aimed at rehabilitating vegetation following forest fires. Fil: Diaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina. Fil: Letourneau, Federico Jorge. Instituto Nacional de Tecnología Agropecuaria; Argentina. Fil: Letourneau, Federico Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina. Fil: Almarcha, Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina. Fil: Aybar, Lourdes. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina. Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina. Fil: Laclau, Pablo. Instituto Nacional de Tecnología Agropecuaria; Argentina. Fil: Laclau, Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina. Fil: Furlan, Natalia. Instituto Nacional de Tecnología Agropecuaria; Argentina. Fil: Furlan, Natalia. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina. Fil: Vorraber, Leslie. Instituto Nacional de Tecnología Agropecuaria; Argentina. Fil: Vorraber, Leslie. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Forestales y Agropecuarias Bariloche, Argentina. Fil: Tallarico, Gabriela. Instituto Nacional de Tecnología Agropecuaria. Dirección Nacional Asistente de Sistemas de Información, Tecnologías y Procesos; Argentina. |
| description |
Fil: Diaz Dávila, Laura. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Departamento Computación. Laboratorio de Investigación y Desarrollo de Software en Inteligencia Artificial; Argentina. |
| publishDate |
2024 |
| dc.date.none.fl_str_mv |
2024 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
| format |
conferenceObject |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
Díaz Dávila, L., Letourneau, F. J., Almarcha, M., Aybar, L., Prieto, J., Stimolo, M. I., Laclau, P., Furlan, N., Vorraber, L., & Tallarico, G. (2024). Modelos de transfer learning y uso de VANTs de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales. Argentina. http://hdl.handle.net/11086/558195 |
| identifier_str_mv |
Díaz Dávila, L., Letourneau, F. J., Almarcha, M., Aybar, L., Prieto, J., Stimolo, M. I., Laclau, P., Furlan, N., Vorraber, L., & Tallarico, G. (2024). Modelos de transfer learning y uso de VANTs de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales. Argentina. |
| url |
http://hdl.handle.net/11086/558195 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.source.none.fl_str_mv |
reponame:Repositorio Digital Universitario (UNC) instname:Universidad Nacional de Córdoba instacron:UNC |
| reponame_str |
Repositorio Digital Universitario (UNC) |
| collection |
Repositorio Digital Universitario (UNC) |
| instname_str |
Universidad Nacional de Córdoba |
| instacron_str |
UNC |
| institution |
UNC |
| repository.name.fl_str_mv |
Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba |
| repository.mail.fl_str_mv |
oca.unc@gmail.com |
| _version_ |
1848046175020646400 |
| score |
12.576249 |