ISSN 2594-5335
23° Seminário de Automação e TI — vol. 23, num.23 (2019)
Title
Authorship
DOI
Downloads
Abstract
O presente trabalho desenvolveu uma solução, utilizando Hadoop e Map Reduce for C (MR4C), capaz de paralelizar a segmentação de fissuras em imagens de partículas minerais. Um conjunto de 221 imagens de tamanhos distintos de partículas de minério de cobre obtidas por microscopia eletrônica de varredura foi utilizado para os testes. A variação do número de nós de processamento apresentou um ganho do tempo de execução que escalou de forma quase que linear. O balanceamento de carga estática promoveu um speedup de 1,3. A solução proposta, quando comparada à implementação sequencial, considerando um cluster com 9 nós de processamento, atingiu um speedup de 19,1.
The present work developed a solution, using Hadoop and Map Reduce for C (MR4C), able to parallelize the segmentation of cracks in mineral particles images. A set of 221 images with different sizes of copper ore particles obtained by SEM was used for the tests. The variation in the number of processing nodes presented a speedup that increased almost linearly. Static load balancing promoted a speedup of 1.3. The proposed solution, when compared to the sequential implementation, considering a cluster with 9 processing nodes, reached a speedup of 19.1.
Keywords
Big data; Processamento paralelo; Processamento de imagens; Caracterização de minério
Big data; Parallel processing; Image processing; Ore characterization
How to refer
Batista, Felipe Schimith;
Mota, Guilherme Lucio Abelha;
Costa, Gilson Alexandre Ostwald Pedro da;
Marzulo, Leandro Augusto Justen;
Sena, Alexandre da Costa;
Gomes, Otávio da Fonseca Martins.
PROCESSAMENTO PARALELO DE IMAGENS DE PARTÍCULAS MINERAIS COM TAMANHOS DISTINTOS UTILIZANDO HADOOP E MR4C
,
p. 58-69.
In: 23° Seminário de Automação e TI,
São Paulo,
2019.
ISSN: 2594-5335
, DOI 10.5151/2594-5335-33221
