• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권11호
• /
• pp.471-480
• /
• 2023

국내 건설수주 규모는 2013년 91.3조원에서 2021년 총 212조원으로 특히 민간부문에서 크게 성장하였다. 국내외 시장 규모가 성장하면서, EPC(Engineering, Procurement, Construction) 프로젝트의 규모와 복잡성이 더욱 증가되고, 이에 프로젝트 관리 및 ITB(Invitation to Bid) 문서의 위험 관리가 중요한 이슈가 되고 있다. EPC 프로젝트 발주 이후 입찰 절차에서 실제 건설 회사에게 부여되는 대응 시간은 한정적일 뿐만 아니라, 인력 및 비용의 문제로 ITB 문서 계약 조항의 모든 리스크를 검토하는데 매우 어려움이 있다. 기존 연구에서는 이와 같은 문제를 해결하고자 EPC 계약 문서의 위험 조항을 범주화하고, 이를 AI 기반으로 탐지하려는 시도가 있었으나, 이는 레이블링 데이터 활용의 한계와 클래스 불균형과 같은 데이터 측면의 문제로 실무에서 활용할 수 있는 수준의 지원 시스템으로 활용하기 어려운 상황이다. 따라서 본 연구는 기존 연구와 같이 위험 조항 자체를 정의하고 분류하는 것이 아니라, FIDIC Yellow 2017(국제 컨설팅엔지니어링 연맹 표준 계약 조건) 기준 계약 조항을 세부적으로 분류할 수 있는 AI 모델을 개발하고자 한다. 프로젝트의 규모, 유형에 따라서 세부적으로 검토해야 하는 계약 조항이 다를 수 있기 때문에 이와 같은 다중 텍스트 분류 기능이 필요하다. 본 연구는 다중 텍스트 분류 모델의 성능 고도화를 위해서 최근 텍스트 데이터의 컨텍스트를 효율적으로 학습할 수 있는 ELECTRA PLM(Pre-trained Language Model)을 사전학습 단계부터 개발하고, 해당 모델의 성능을 검증하기 위해서 총 4단계 실험을 진행했다. 실험 결과, 자체 개발한 ITB-ELECTRA 모델 및 Legal-BERT의 앙상블 버전이 57개 계약 조항 분류에서 가중 평균 F1-Score 기준 76%로 가장 우수한 성능을 달성했다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1031-1042
• /
• 2023

인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.481-493
• /
• 2023

고밀도 도심지의 열섬현상이 도시 기온을 더 높이고 있으며 이로부터 대기오염 악화, 냉방 에너지 소비 증가 및 온실가스 배출 증대와 같은 부정적 영향들이 발생한다. 녹지의 추가 확보가 어려운 도시 환경에서 옥상녹화는 효율적인 온실가스 감축 전략이다. 본 연구에서는 열섬현상 현황 분석에서 더 나아가 고해상도 위성자료 및 공간정보를 활용하여 연구 지역 내 옥상녹화 가용면적 산정 후 옥상녹화가 가져오는 온도 분포 예측을 통한 열섬현상 완화도 및 이산화탄소 흡수량 평가를 수행하였다. 이를 위해 WorldView-2 위성자료를 활용하여 부산시 도시열섬 지역의 기존 토지피복을 분류하고 머신러닝 기법을 적용하여 옥상녹화 전 후 온도 분포 예측 모델을 개발하였다. 옥상녹화 면적 변화에 따른 열섬현상 완화도를 평가하기 위해 랜덤포레스트 기법을 통해 온도가 종속변수인 온도 분포 예측모델을 구축하였고, 이 과정에서 랜덤포레스트 모델의 훈련자료로 사용될 고해상도 지표 온도 도출을 위해 Google Earth Engine을 활용하여 Landsat-8과 Sentinel-2 위성자료를 융합하는 다중회귀모델을 적용하였다. 또한, 옥상녹화용 초본식생별 이산화탄소 흡수량을 기반으로 녹화 면적에 따른 이산화탄소 흡수량을 평가하였다. 연구 결과를 통해 개발된 위성자료 활용 도시 열섬현상 평가 및 랜덤포레스트 모델 기반 온도 분포 예측 기술은 도시열섬 취약 지역에 확대 적용이 가능할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1615-1633
• /
• 2023

괭생이모자반은 황해 및 동중국해에서 대규모 번식하는 부유조류 중 하나로 우리나라 연안에 유입되어 환경 파괴 및 양식업 피해 등 다양한 문제점을 야기한다. 효율적인 피해 예방 및 연안 환경 보존을 위하여 최근 인공위성 기반 원격탐사 기술을 활용한 괭생이모자반 탐지 알고리즘 개발이 활발하게 이루어지고 있다. 하지만, 잘못된 탐지 정보는 해상 수거 선박의 이동 거리 증가, 지자체나 유관기관의 대응 혼선 등을 유발하므로 괭생이모자반 공간정보 생산 시 오탐지 최소화는 매우 중요하다. 본 연구는 국립해양조사원 국가해양위성센터의 GOCI-II 기반 괭생이모자반 탐지 알고리즘을 활용하여 자동으로 오탐지 화소를 제거하는 기술을 적용하였다. 주요 오탐지 발생 원인 분석 결과를 바탕으로 선형·산발적 오탐지 및 봄, 여름철에 중국 연안에서 대량으로 발생하는 녹조류를 오탐지로 간주하여 제거하는 과정을 포함하였다. 2022년 2월 24일부터 6월 25일까지 괭생이모자반 발생일을 대상으로 오탐지 자동 제거 기법을 적용하고, 중해상도 위성 영상을 이용하여 육안 판독 결과를 생성하고 정성적, 정량적 평가를 수행하였다. 선형 오탐지는 완전히 제거하였으며, 산발적 및 녹조 오탐지는 분포 파악에 영향을 주는 대부분의 오탐지 결과를 제거하였다. 자동 오탐지 제거 과정 이후에도 육안 판독 결과 대비 괭생이모자반의 분포 면적 확인이 가능하였으며, 이진분류모델을 이용하여 정확도와 정밀도는 각각 평균 97.73%, 95.4%로 산출하였다. 재현율은 매우 낮은 29.03%였는데, 이는 GOCI-II와 중해상도 위성영상의 관측 시간 불일치에 의한 괭생이모자반 이동 영향, 공간해상도 차이, 정사보정에 따른 위치 편차, 그리고 구름 마스킹 영향에 의한 것으로 추정하였다. 본 연구의 괭생이모자반 오탐지 제거 결과는 공간적인 분포 현황을 준실시간으로 파악할 수 있으나 생체량을 정확하게 추정하는 것은 한계가 존재하였다. 따라서, 지속적인 괭생이모자반 모니터링 시스템 고도화 연구를 통해 향후 괭생이모자반 대응계획수립을 위한 자료로 활용하고자 한다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.979-995
• /
• 2023

산불은 예측이 어려운 재해이기 때문에 실시간 모니터링을 통해 빠르게 대응하는 것이 중요하며, 정지 궤도 위성 영상은 광역을 짧은 시간 간격으로 모니터링할 수 있어 산불 탐지 분야에 활발히 이용되고 있다. 기존의 위성 영상 기반 산불 탐지 알고리즘은 밝기 온도의 통계량 분석을 통한 임계값 기반으로 이상치를 탐지하는 방향으로 진행되어 왔다. 그러나 강도가 약한 산불을 탐지하기 어렵거나, 적절한 임계값 설정의 어려움으로 일반화 성능이 저하되는 한계점이 있어 최근에는 기계학습을 이용한 산불 탐지 알고리즘들이 제시되고 있다. 현재까지는 random forest, VanillaConvolutional neural network (CNN), U-net 구조 등의 비교적 간단한 기법이 적용되고 있다. 따라서, 본 연구에서는 정지궤도 위성인 Advanced Himawari Imager를 이용하여 동아시아와 호주를 대상으로 State of the Art (SOTA)딥러닝 기법을 적용한 산불 탐지 알고리즘을 개발하고자 하였다. SOTA 모델은 EfficientNet과 lion optimizer를 적용하여 개발하고, Vanilla CNN 구조를 사용한 모델과 산불 탐지 결과를 비교하였다. EfficientNet은 동아시아와 호주에서 0.88 및 0.83의 F1-score를 기록함으로써 CNN (동아시아: 0.83, 호주: 0.78)에 비해 뛰어난 성능을 입증하였다. EfficientNet에 불균형 문제 해결을 위한 weighted loss, equal sampling, image augmentation 기법 적용 시, 동아시아와 호주에서 각각 0.92와 0.84의 F1-score를 기록함으로써 적용 전(동아시아: 0.88, 호주: 0.83)에 비하여 성능이 향상되었음을 확인하였다. 본 연구를 통하여 제시된 SOTA 딥러닝 기법의 산불 탐지에의 적용 가능성과 딥러닝 모델의 성능 향상을 위해 고려해야 할 방향은 향후 산불탐지 분야에 대한 딥러닝 적용에 도움이 될 것으로 기대된다.

• 문화기술의 융합
• /
• 제9권6호
• /
• pp.531-538
• /
• 2023

최근 많은 대학 수업이 교수자 중심의 수업에서 학습자 중심의 수업으로 변해가고 있고, 특히 4차 산업혁명시대에 적합한 인재를 양성하기 위해 대학은 대학 교육의 방향성을 새로 정립시키고자 노력하고 있다. 이를 위해 대학에서는 학생들에게 필요한 다양한 역량을 제시하고 각 역량별 효율적인 교육 방안에 대한 연구에 집중하고 있다. 그 가운데 창의력은 대학에서 학생들이 지녀야 할 무엇보다 중요한 역량으로 꼽힌다. 탁상적인 수업에서 벗어나 다양한 전공자들이 모여서 창의적인 팀 활동을 진행하면서 결과 도출을 하는 창의적 문제해결 기반 교과목을 개발하는 것은시대적 요구에 적합한 인재를 양성할 수 있는 유의미한 교과라고 판단된다. 따라서 본 연구는 창의적 문제해결 기반교과목을 개발하고 수업 진행 결과를 분석하는데 있다. 본 창의력 문제해결 기반 수업은 단계별 아이디어 개발을 위한 Action Learnin 수업으로 진행되는데, 창의력 아이디어 개발을 위한 이론강의를 시작으로 하여 이후에 Action Learnin 5단계로 구성된다. 본 수업에 활용된 액션 러닝의 과제는 형성된 그룹의 친밀도를 높이고, 그룹의 집단표현력을 높이기 위해 세라믹으로 표현하기와 공익광고 포스터 만들기, 개인의 아이디어를 병합하여 하나로 압축하는 능력을 기르기 위한 생활 속의 아이디어, 학교에 대한 관심도를 높이거나 지역사회를 이해하기 위한 학교 주변의 환경개선 프로그램, 마지막으로 다양한 주제로 UCC 만들기 등으로 구성되었다. 수업 전반에 실시되는 이론강의에서는 창의적인 문제해결을 위한 과학적 사고 (Scientific Thinking)에 대해 수업을 진행하였고, 이후에 순차적으로 설정된 그룹형 action learning 수업을 실시하였다. 본 Action Learnin 과정은, 개인 및 그룹형 Action Learnin을 시작으로 사회 연계형 Action Learnin으로 넓혀지면서 단계별로 점차 난이도를 높혀가며 심화학습이 되도록 유도하였다. 또한, 본 수업을 진행하면서 다각적인 창의력 수업을 최적화하였고, 창의적 문제해결 형 대학 강의의 다양한 활용예시를 소개함으로써 향후 본 교과목 학습활동을 활성화하는 데 도움을 주었다.

• 벤처창업연구
• /
• 제18권2호
• /
• pp.1-20
• /
• 2023

본 연구는 조직의 전략적 의사결정 및 행동경향으로 사회적기업의 고유한 기업가적 행동 속성을 식별하여 영리기업과 구별되는 사회적기업가정신 모형을 도출하고 이를 설명하는 사회적기업가정신 프레임워크를 제안하는 것을 목적으로 한다. 연구의 목적을 효과적으로 달성하기 위하여 선행연구를 검토하고 이를 토대로 근거이론방법으로 질적연구를 수행하였다. 일련의 분석과정을 통하여 '사회적기업가정신: 사회적가치지향성; 혁신성; 진취성; 위험감수성; 협력지향성' 모형을 새롭게 제안하고 식별된 하위요인들 간의 관계성을 고찰하여 모형을 통합적으로 설명하는 '사회적기업가정신 프레임워크'를 개발하였다. 프레임워크는 사회적기업가정신을 '친사회적 동기(Pro-social motivation)', '친사회적 행동(Pro-social behavior)', '기업가적 행동(Entrepreneurial behavior)' 속성으로 구분하고 이를 사회적기업가정신 모형을 구성하는 각 하위요인들과 연결하여 설명하였다. 본 연구가 선행연구와 구별되는 가장 두드러진 차별성은 조직차원의 행동적 관점에서 사회적기업가정신을 구성하는 하위요인으로 '협력 지향성(Cooperation orientation)'을 식별하여 추가한 부분이다. 연구를 통해 사회적·경제적 목적을 동시에 추구하는 사회적기업의 독특한 특성인 하이브리디티(Hybridity)와 이로 인한 자원 제약 환경 속에서, 외부와의 협력을 통해 자원 제약의 어려움을 극복하고, 운영의 효율을 향상시키며, 조직의 친사회적 동기를 구체화하는 사회적기업의 주요한 행동경향인 '협력지향성'을 식별하였다. 협력지향성은 사회적 가치지향 활동과 영리를 추구하는 기업가적 활동에서 동시에 발현되는 사회적기업의 차별적 행동경향으로, 친사회적 동기를 구체화하며 동시에 기업가적 영리활동을 수행하는 사회적기업의 이중정체성(Dual identity) 갈등 사이에서 기업 활동의 합법성을 강화하고 사회적 가치창출 활동의 성과를 향상시키며 기업 활동의 경제적 기반을 강화한다. 본 연구에서 새롭게 식별된 협력지향성은 선행연구를 보완하여 사회적기업가정신 이론의 설명력을 높이고 후속 연구자들에게 이론적 확장의 근거와 토대를 제공한다.

• 헤리티지:역사와 과학
• /
• 제57권2호
• /
• pp.102-115
• /
• 2024

채색문화유산은 종이, 견, 나무, 흙, 회 등 다양한 재료를 바탕재로 사용하여 그 위에 먹 등으로 밑선을 그리고 여러가지 색료를 이용하여 선이나 색채를 표현한 것이다. 먹선은 본래의 도상을 확인할 수 있기 때문에 모사와 보존처리 시그 중요성이 강조되고 있다. 이에 적외선 촬영을 이용한 먹선 분석이 광범위하게 수행되고 있다. 본 연구에서는 채색문화유산의 바탕층 재료에 따른 적외선 촬영법을 사용한 밑선의 검출 영향을 연구하였다. 확인에는 적외선 촬영법에 사용되는 적외선 카메라와 950~1700nm영역을 검출할 수 있는 초분광 카메라 2종의 검출기기를 이용하였다. 밑선 검출을 위해 지류(닥지, 쪽/닥지), 직물(견, 견/연백), 목재(뇌록/목재), 토벽(뇌록/토벽), 회벽 7종의 바탕층 위에 먹으로 '검(檢)'을 표기하고 진사, 석황, 석록, 석청, 연백, 연단 6종의 상부 채색층을 구성하였다. 시료 제작 후 적외선 촬영법을 이용하여 밑선을 검출한 결과는 다음과 같았다. 지류와 직물 바탕재의 경우 먹선 검출에 미치는 영향의 차이가 미미하였으며, 지류에 쪽을 염색한 경우와 견에 연백으로 배채한 경우에도 큰 차이점이 확인되지 않았다. 단, 목재, 토벽, 회벽의 경우 먹선 검출에 큰 영향을 미치는 것으로 확인되었다. 특히 뇌록을 가칠로 적용한 목재와 토벽의 경우 6종의 상부 채색 안료에 대하여 모두 먹선이 검출되지 않았으며, 회벽의 경우에는 석록을 제외한 모든 상부 채색 안료에서 먹선 검출에 보다 긍정적인 영향을 미치는 것으로 확인되었다. 본 연구를 통하여 바탕층의 재료에 따라 먹선의 검출 효율에 미치는 영향이 확인됨에 따라 채색문화유산 조사 계획수립 및 결과 해석에 활용될 것으로 기대된다.

• 한국포장학회지
• /
• 제29권3호
• /
• pp.153-161
• /
• 2023

최근 소비자들의 소비 형태가 온라인 쇼핑 및 간편식, 배달 음식 등 비대면 소비를 위한 서비스 시장이 크게 확대됨에 따라 플라스틱 일회용 제품의 소비가 급증하게 되면서, 사용한 플라스틱 폐기물에 의한 여러 환경오염 문제들이 발생하고 있다. 이러한 문제를 해결하기 위해 국제적으로 플라스틱 사용을 줄이고, 환경친화성 및 재활용성이 높은 지속 가능 물질로 대체하려는 움직임을 보이고 있다. 본 연구에서는 재활용성이 높은 종이에 다양한 종류의 배리어 코팅을 적용한 종이 시료의 물성과 배리어 특성 및 재활용성 등을 평가하여 실제로 식품용으로 사용되는 종이의 코팅층 종류와 이에 따른 물성 및 배리어성 개선 효과 및 재활용성에 미치는 영향을 확인하고자 하였다. 배리어 코팅종류는 PE와 PP, 개질 아크릴 코팅이 된 종이 시료를 사용하였으며, 코팅 처리하지 않은 종이를 대조군으로 하여 평가를 진행하였다. 형태학적 분석을 통해 PE의 코팅층은 약 30 ㎛, PP는 약 20 , 개질 아크릴은 10 ㎛의 코팅층 두께를 보여주었으며, 섬유조직 형태를 보여주던 대조군의 표면과 달리 배리어 코팅 종이는 코팅층으로 인하여 매끈한 표면 형태를 보여주었다. 기계적 물성 평가에서는 PE 코팅 종이와 개질 아크릴 코팅 종이에서 대조군이 비해 인장강도와 파열강도에서 개선되는 결과를 보여주었으며, PP 코팅 종이에서는 파열강도 외에 대조군과 유의적 차이를 보여주지 않았다. 공기 투기도 평가로 배리어 코팅층이 없는 대조군에서 약 2.24 ㎛/Pa·s로 가장 높은 투기도 값을 보여주었으며, 배리어 코팅 종이의 경우 모두 0.003 ㎛/Pa·s 이하의 상대적으로 낮은 투기도 값을 보여주었다. 또한 Cobb 사이즈도 대조군에서 약 43.77 g/m²로 가장 높은 흡수 특성을 보였으며, 배리어 코팅 종이 시료에서는 2.80 g/m² 이하의 흡수 특성을 보여주었다. 이는 이미 내수성 및 기체 차단 특성을 가진 고분자의 특성으로 종이의 차단 특성도 개선된 것으로 판단된다. 내유성 평가에서도 PE 코팅 종이와 PP 코팅 종이에서 최고 측정값인 12 등급으로 내유성이 높은 특징을 보여주었으며, 개질 아크릴 코팅 종이는 5 등급으로 PE, PP 코팅 종이 보다 상대적으로 낮은 내유성을 보여주긴 하였으며, 대조군은 0 등급으로 내유성이 없는 모습을 보여주었다. 코팅 처리별 종이의 재활용성 평가에서 대조군의 리젝트율은 5.25%로 모든 시료 중 미해리분이 가장 낮은 모습을 보여주었으며, PE 코팅 종이와 PP 코팅종이는 각각 19.04%, 16.57%로 리젝트율이 증가함을 나타냈다. 상대적으로 높은 리젝트율 값은 PE 코팅 종이와 PP 코팅 종이는 해리 시 코팅 층이 작은 크기로 조각나 미분화되어 슬릿에 걸러지는 것으로 확인하였으며, 이는 미해리분으로 인해 재활용에 어려움이 발생할 것으로 판단된다. 개질 아크릴 코팅 종이의 리젝트율은 6.25%로 대조군과 유사하게 미해리분 없이 스크린을 거의 통과되는 현상을 보여주었다. 이 결과는 개질 아크릴 수지의 수해리성이 높아 발생한 것으로 판단된다. PE 및 PP 코팅 종이에 비교하여 개질 아크릴 코팅 종이가 재활용성 평가에서 더 효율적인 결과를 가짐을 나타내며, 추가 해리되어 스크린 업셉트된 펄프 슬러리를 사용하여 제조한 재활용지에 대한 종이의 품질 변화는 향후 보강 연구가 필요할 것으로 판단된다.