미리보기

1. 해당 기업과 직무에 지원하게 된 동기

[기술로 인간의 삶의 질을 향상하고자 하는 개발자]

최근 농심엔지니어링은 한국지멘스 DI와 스마트팩토리 협력 MOU를 체결하여 식음료 산업분야의 디지털 전환을 가속화하고 있으며, 안동농협 두부 신공장의 턴키 프로젝트 수주를 통해 자동화된 제조 시설 솔루션을 선보이고 있습니다. 스마트팩토리 솔루션 고도화와 자동화 시스템 혁신을 선도하는농심엔지니어링의 모습에 깊은 인상을 받았습니다.

"컴퓨터 시스템을 어떻게 설계하면 인간의 삶의 질을 향상할 수 있을까?"라는 모토로 대학원 연구를 진행하면서, 센싱 기반 어플리케이션을 개발했습니다. 이 과정에서 음향, RFID, 생체 등 다양한 센서 데이터 신호 처리를 다루게 되었고, 여러 번의 시행착오를 겪으며 임베디드 시스템에 관심을 갖게 되었습니다. 대학원에서 쌓은 경험을 바탕으로, 한화비전 VEDA 1기 교육과정에서 C/C++ 기반의 임베디드 시스템 개발자로서의 전문성을 키웠습니다. 라즈베리파이를 활용한 실시간 영상 처리 시스템과 OpenCV 기반 이미지 프로세싱 구현 경험은 머신비전 검사장비 개발에 직접적으로 적용할 수 있을 것입니다. FFmpeg과 OpenCV를 활용한 비디오 프레임 처리와 YUV 포맷 변환 최적화를 통해 처리 시간을 40% 개선한 경험은 고속 생산라인의 실시간 검사에 큰 강점이 될 것입니다.

농심엔지니어링의 검사장비 머신비전 S/W팀에서 이러한 영상처리와 센서 데이터 처리 역량을 활용하여, 지멘스와의 협력을 통한 스마트팩토리 구축에 기여하고, 자동화된 제조 시설의 품질 관리 시스템을 고도화하고 싶습니다. 특히 실시간 영상 처리 기술과 AI 솔루션 개발에 기여하여, 식품 안전 통합 관리 시스템을 고도화하고 궁극적으로 소비자에게 더 안전하고 신뢰할 수 있는 제품을 제공하고자 합니다.

2. 직무 역량 강화를 위해 노력한 경험

[제약 속에서 성장하는 비전 개발자에 대한 도전과 열정]

대학원에서 음향 신호처리 연구와 RFID 태그를 활용한 다양한 센싱 시스템을 연구했지만, 하드웨어 제약으로 인한 한계를 경험했습니다. 이후 진행한 LiquidListener 연구에서는 이전의 실패 경험을 바탕으로, 하드웨어 제약을 고려한 알고리즘 설계에 집중했습니다. 불필요한 주파수를 필터링하고 FFT Zero Padding을 적용하여, 기존 연구의 액체 부피 측정 평균 오차율 3%보다 0.7% 더 향상된 2.3%의 정확도를 달성했습니다.이러한 경험들은 임베디드 시스템의 중요성을 깨닫는 계기가 되었고, 더 깊이 있는 기술을 배우고자 한화비전 VEDA에 지원했습니다.

한화비전 VEDA 과정에서 다양한 프로젝트들을 통해 임베디드 리눅스 프로그래밍, 네트워크 통신, 영상 처리에 대한 실무 역량을 키웠고, GitHub를 통한 체계적인 개발 프로세스도 경험했습니다.

최종 프로젝트로 라즈베리파이 카메라를 이용한 주차 관리 시스템에서는 Qt/C++ 기반 클라이언트 애플리케이션을 담당했으며, License Plate Detection OCR 모델과 결합한 영상 스트리밍과 데이터베이스를 결합한 통합 관리 시스템에서 사용자 친화적인 GUI를 구현했습니다.

또한, 수료 후에도 팀원들을 모아 라즈베리파이5 멀티미디어 RTSP 서버 프로젝트를 진행했고 실시간 영상 처리와 스트리밍에 집중했습니다. FFmpeg과 OpenCV를 활용하여 비디오 프레임 포맷 변환과 이미지 프로세싱을 구현했고, XRGB8888에서 YUV420p로의 포맷 변환 과정에서 YUV 채널별 독립 처리에서 채널을 하나의 루프로 통합하고 메모리 접근 패턴을 최적화하여 처리 시간을 2.8ms에서 1.7ms로 40% 개선했습니다.

이러한 실시간 저수준 영상 처리 최적화와 멀티미디어 스트리밍 경험으로 농심엔지니어링의 비전검사 시스템 개발에 기여하고자 합니다. 앞으로도 지속적인 기술 연구와 실무 경험을 통해 비전 검사 시스템의 혁신을 주도하고, 팀원들과의 협력을 통해 스마트 엔지니어링 분야의 리더로 성장해 나가겠습니다.

3. 성격의 장·단점

['소통'을 통해 시너지를 만드는 개발자]

'소통'은 제가 팀에서 발휘하는 강점입니다. VEDA 최종 프로젝트로 진행한 주차 관리 시스템 개발에서, 서버 개발에 능숙한 팀장이 클라이언트 개발에 어려움을 겪는 팀원들을 다그치는 상황이 발생했습니다. 저는 클라이언트 파트의 총괄을 자청하여 중재자 역할을 하면서 팀 분위기를 개선했습니다. Qt/C++ 클라이언트 개발을 담당하며 매일 30분씩 코드 리뷰 시간을 가졌고, 클래스 다이어그램으로 시스템 구조를 시각화하고 데이터의 흐름을 단계별로 팀원들과 같이 이해하며 진행했습니다. 이러한 연결 역할을 통해 서버-클라이언트 간의 기술적 격차를 줄이고 팀워크를 향상시켜 최종적으로 우수상을 수상할 수 있었습니다.

[체계적인 문제 해결로 단점을 극복하는 개발자]

낙천적인 성격으로 새로운 문제에 직면했을 때 초기 단계에서 문제의 복잡성을 과소평가하는 경향이 있습니다. 대학원에서 연구를 진행할 때, 처음에는 단순히 음향 데이터만 수집하면 되리라 생각했지만 실제로는 환경 소음, 용기 재질의 다양성, 액체 밀도 차이 등 여러 변수들이 존재했습니다. 이러한 단점을 극복하기 위해 문제 해결 방식을 개선했습니다. 새로운 과제를 마주했을 때 우선 관련 논문들을 철저히 조사하고, 프로젝트를 시작하기 전에 발생할 수 있는 문제점들을 사전에 분석하는 습관을 들였습니다. 문제를 '노이즈 제거', '피치 검출', '보정' 등 세부 단계로 나누고, 각 단계별로 해결 방안을 찾아 적용했습니다. 결과적으로 기존 연구들보다 0.7% 더 향상된 2.3%의 정확도를 달성할 수 있었습니다.

농심엔지니어링에서 이러한 '소통'과 '체계적인 문제해결능력'을 바탕으로, 팀원들과 적극적으로 협력하여 더 혁신적인 검사장비 시스템을 개발하는 데 기여하고 싶습니다.

4. 입사 후 이루고 싶은 목표와 발전 계획

[배우는 것을 두려워하지 않고 도전하는 개발자]

농심엔지니어링의 검사장비 개발자로서 저의 목표는 기술을 통해 현장 작업자(고객)분들의 업무 경험을 개선하고 더 나은 삶의 질을 제공하는 것입니다. 대학원에서의 신호처리 연구와 VEDA에서의 개발 경험을 바탕으로, 두 가지 단계별 계획을 실천하고자 합니다.

첫째, OpenCV를 활용한 이미지 프로세싱에서 효율적인 체계를 구축하겠습니다. 라즈베리파이를 활용해 책상 위에 있는 실시간 객체 감치 시스템을 구현한 경험이 있습니다. 임베디드 환경에서 AI 모델 최적화와 객체 감지를 경험했기에, 이를 응용하여 기존보다 추론속도가 빠른 검출 로직을 설계하겠습니다.

둘째, AGI 시대에 맞춰 검사장비와 AI Agent를 접목하겠습니다. NVIDIA의 최신 AI 기술과 LLM 기반 AI 서비스를 결합하여, AI Agent가 다단계 추론 파이프라인을 통해 스스로 불량을 검출하는 시스템을 구축하고자 합니다. 대학원 연구로 음향 데이터를 활용해 액체 부피를 측정했던 것처럼, 다양한 센서 데이터와 AI를 결합하여 더 정확한 불량 검출이 가능한 시스템을 만들겠습니다. 특히 LLM의 추론 능력을 활용해 기존 규칙 기반 시스템의 한계를 극복하고, 더 지능적인 검사 시스템으로 발전시키겠습니다.

새로운 기술과 지식을 배우는 것을 두려워하지 않고, 현장의 문제를 해결하기 위해 끊임없이 도전하는 자세로 성장하겠습니다.