工业材料表面缺陷检测在众多制造工艺中面临重大挑战。近年来，多种方法应运而生，充分利用在自然图像上预训练的网络提取具有代表性的特征。随后，这些特征通过多种技术手段进行处理，包括记忆库、归一化流以及知识蒸馏等，均展现出优异的检测精度。本文重新审视基于预训练特征的方法，提出一种以目标特定嵌入（target-specific embedding）为核心的新型方法。为捕捉所关注纹理的最具代表性特征，我们在训练过程中采用了一种改进的对比学习策略，同时融合人工生成的缺陷样本与无缺陷样本。基于表面固有的结构特性，我们在训练过程中从无缺陷样本中提取出具有实际意义的表征，从而实现一种简单而高效异常评分计算。在MVTEC AD与TILDA数据集上的实验结果表明，所提方法在性能上可与当前最先进的技术相媲美，展现出良好的竞争力。