该 API 识别并描述图像中的车辆。其主要目标是提供对检测到的汽车的自动和详细分析,识别其品牌、型号、预计年份、类型、主要颜色、视觉状况以及其他相关外部特征。
当图像被发送到端点时,系统使用在数百万张不同品牌和型号的车辆图像上训练的神经网络处理该照片。结果包括一个包含结构化信息的综合报告,易于集成到应用程序或平台中。
简而言之,该 API 将简单图像转换为智能车辆分析,提供准确的视觉和技术信息。凭借其人工智能和图像处理的结合,它简化了以高可靠性识别、验证和分类汽车的过程,并易于集成到任何现代应用中。
返回有关识别或分析车辆的详细信息,包括品牌、型号、预计年龄范围、类型、颜色、物理状况、外部特征和额外观察。
车辆分析仪 - 端点功能
| 对象 | 描述 |
|---|---|
请求体 |
[必需] 文件二进制 |
{"status":"success","message":"Car analysis completed successfully","result":{"make":"Volkswagen","model":"Golf GTI","year":"2023","type":"hatchback","color":"gray","condition":"new and pristine, still in the shipping or display setup stage","exteriorFeatures":["LED headlights","red accent line on front grille","black alloy wheels","side mirrors with integrated turn signals"],"visibleModifications":["black wheels","red brake calipers"],"damages":["none visible, appears to be in perfect condition"],"confidence":"90 - Very high confidence based on the visible features and the vehicle's condition","additionalNotes":"The car is secured on a platform with straps, likely in a dealership or exhibition setting, awaiting transport or display."},"cacheTime":1761786349166,"metadata":{"language":"en","queryTime":"2025-10-30T01:05:49.166Z"}}
curl --location 'https://zylalabs.com/api/11060/car+data+capture+api/20834/vehicle+analyzer' \
--header 'Content-Type: application/x-www-form-urlencoded' \
--form 'image=@"FILE_PATH"'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
车辆分析器端点返回有关车辆的详细信息,包括品牌、型号、预计年份、类型、颜色、状况、外部特征、可见修改、损坏、置信水平和附加备注
响应中的关键字段包括“品牌”“型号”“年份”“类型”“颜色”“状态”“外部特征”“可见修改”“损坏”“信心”和“附加备注”提供了对分析车辆的全面概述
响应数据采用JSON格式结构,顶级对象包含“status”“message”和“result”“result”对象包含详细的车辆属性,便于解析和集成到应用程序中
该端点提供有关车辆品牌、型号、年份、类型、颜色、状况、外部特征、修改、损伤和置信水平的信息,提供全面的识别和验证分析
通过使用在数百万辆汽车图像上训练的先进神经网络来保持数据的准确性,确保基于输入图像中观察到的视觉特征和条件进行可靠的识别和分析
典型的使用案例包括经销商的车辆识别 保险评估 库存管理 以及增强需要基于图像的车辆识别和分类的应用程序
用户可以通过将返回的数据集成到车辆验证应用程序中来利用这些数据,创建详细报告或提升汽车平台中的用户体验,利用结构化信息实现各种功能
用户可以期待一致的数据模式,例如对于定义明确的车辆有高置信度,以及对常见品牌和型号有详细描述,而不常见的车辆可能会产生较低的置信度和更少的细节
车辆分析器端点主要接受车辆的图像文件进行分析 用户应确保图像清晰并捕捉车辆的外部特征以获得最佳结果
用户可以通过提供不同角度或不同光照条件的图像来定制他们的请求,以提高分析的准确性然而该API不支持图像输入以外的其他参数
“confidence”字段表示分析的可靠性,而“condition”描述车辆的物理状态 “ExteriorFeatures”列出了显著特征,“damages”突出了任何可见问题,提供了全面的概述
该API采用先进的神经网络,这些网络经过数百万辆汽车图像的训练,确保高质量的分析。不断更新和重训练模型有助于保持车辆识别的准确性和可靠性
如果API返回部分或空结果,用户应验证图像质量并确保其清晰地展示车辆。调整图像角度或光照可能会改善后续请求的分析结果
该API旨在分析各种车辆,包括汽车、卡车和SUV,涵盖多种品牌和型号。它在全球范围内适用,但结果可能因车辆在图像中的可见性和特征而有所不同
用户可以对知名品牌和型号期待高置信度,并提供详细描述。较不知名的车辆可能会产生较低的置信度和较少的细节,反映模型的训练数据和图像清晰度