工业缺陷可视为工业产品的外观 “异常”，因此有部分工业缺陷检测方法采用了异常检测的思路。然而异常检测的定义与工业缺陷检测是有所区别的。
具体而言，异常检测的概念更加广泛与抽象, 其中图像异常检测主要关注输入图像是否为异常实例，而工业缺陷检测更关注像素层面的检出任务。在像素层面上，异常与正常模式的差别更加细微，检测难度也大幅增加，因此直接使用异常检测方法难以满足工业缺陷检测的任务需求。
近年来, 深度学习方法因其在处理背景复杂、缺陷微弱的工业图像时表现出卓越的性能优势，成为解决工业图像缺陷的主流方法。西安获德图像也通过深度学习工业缺陷检测研究，把该研究成果应用到了相关行业，实现了成果产业化。
主要转化项目为：
1）基于视觉的纺织品表面缺陷检测：
在布匹生产过程中，需对布匹缺陷进行检测，根据缺陷类型及严重程度进行等级划分。西安获德智能验布系统主要面向纺织服装行业，采用基于深度学习的人工智能算法，机器视觉技术检测织物表面缺陷。只要是不正常的纹理，均可实现实时在线检出，检出率90%以上。主要检测缺陷内容包括：断经，断纬，节丝，开车痕，机械段，油污，破洞等常见缺陷。
2）碳纤维智能化巡检及质量监测：
具体而言，异常检测的概念更加广泛与抽象, 其中图像异常检测主要关注输入图像是否为异常实例，而工业缺陷检测更关注像素层面的检出任务。在像素层面上，异常与正常模式的差别更加细微，检测难度也大幅增加，因此直接使用异常检测方法难以满足工业缺陷检测的任务需求。
近年来, 深度学习方法因其在处理背景复杂、缺陷微弱的工业图像时表现出卓越的性能优势，成为解决工业图像缺陷的主流方法。西安获德图像也通过深度学习工业缺陷检测研究，把该研究成果应用到了相关行业，实现了成果产业化。
主要转化项目为：
1）基于视觉的纺织品表面缺陷检测：
在布匹生产过程中，需对布匹缺陷进行检测，根据缺陷类型及严重程度进行等级划分。西安获德智能验布系统主要面向纺织服装行业，采用基于深度学习的人工智能算法，机器视觉技术检测织物表面缺陷。只要是不正常的纹理，均可实现实时在线检出，检出率90%以上。主要检测缺陷内容包括：断经，断纬，节丝，开车痕，机械段，油污，破洞等常见缺陷。
2）碳纤维智能化巡检及质量监测：