예시 답변 1
약 90초
OpenCV로 이미지 전처리 파이프라인 구축
Python의 OpenCV를 활용해 산업 현장 이미지의 품질 검사 전처리 파이프라인을 구축한 경험이 있습니다. 카메라 설치 환경에 따라 조명 불균일, 기울기, 노이즈 세 가지 문제가 반복됐습니다. OpenCV의 equalizeHist()로 조명 불균일 보정, getRotationMatrix2D()로 기울기 교정, GaussianBlur()로 노이즈 제거 순의 표준 전처리 파이프라인을 구성했습니다. 해결한 문제로 전처리 전 모델 정확도가 78%였는데, 파이프라인 적용 후 92%로 향상됐습니다. 프로젝트 결과로 품질 검사 속도가 수작업 대비 8배 빨라졌고, 불량 탐지 누락율이 크게 감소했습니다. OpenCV는 빠른 프로토타이핑과 커스텀 전처리에 매우 효과적인 도구입니다.
이 결의 특징
카메라 환경에 따라 조명 불균일·기울기·노이즈 세 문제가 반복된다는 진단이 또렷하고, equalizeHist·getRotationMatrix2D·GaussianBlur로 각 문제에 맞춘 표준 전처리 순서가 구체적입니다. 전처리 전후 정확도 78%→92% 대비가, 도구 나열이 아닌 문제 해결의 결과로 읽히게 하는 결이 보입니다.
이 결이 통하는 자리
검사 속도가 수작업 대비 8배라는 결과가 어떤 전처리 단계와 연결되는지 또렷할 때 통합합니다. 각 함수가 어느 문제에 대응하는지가 살아 있는 자리에서 면접관의 꼬리질문이 줄어드는 결이 보입니다.