본 연구는 데이터가 부족한 방사선 투과(RT) 용접 이미지 환경에서 전이 학습 모델의 결함 분류 성능 저하 문제를 해결할 방안을 제안한다. 용접 결함 데이터셋의 제한적인 다양성과 부족이 성능 저하의 주된 원인이다. 이러한 한계를 극복하기 위해, 연구는 다른 산업 분야의 결함 이미지를 용접 도메인의 특성에 맞게 변형 및 통합하여 새로운 합성 결함 데이터를 생성하는 데이터 증강 전략을 제안한다. 이 접근 방식은 용접 결함 데이터의 종류와 다양성을 확장하여 모델 학습의 효율을 높이고자 한다.