该API从图像中识别和描述车辆。其主要目的是提供对检测到的汽车进行自动和详细的分析,识别其品牌、型号、估计年份、类型、主要颜色、视觉状态及其他相关的外部特征。
当图像发送到端点时,系统使用在数百万张不同品牌和型号车辆图像上训练的神经网络处理照片。结果包括一份结构化信息的全面报告,易于集成到应用程序或平台中。
简而言之,该API将简单的图像转化为智能汽车分析,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,它简化了识别、验证和分类汽车的流程,具有高可靠性并能轻松集成到任何现代应用程序中。
返回有关已识别或分析车辆的详细信息,包括品牌、型号、估计年龄范围、类型、颜色、物理状况、外部特征和其他观察。
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/11059/car+photo+analyzer+api/20831/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,包括制造商、型号、估计年份、类型、颜色、状态、外部特征、可见修改、损坏、信心级别和额外备注
响应中的关键字段包括“制造商”“型号”“年份”“类型”“颜色”“状况”“外部特征”“可见修改”“损坏”“信心”和“附加说明”提供了对此车辆的全面概述
响应数据采用JSON格式结构,顶层对象包含“状态”、“消息”和“结果”。“结果”对象包括详细的车辆属性,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、损坏和置信水平的信息,提供了全面的识别和验证分析
通过使用经过数百万辆车图像训练的先进神经网络来保持数据的准确性,确保根据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进行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的应用程序中 创建详细的报告 或在汽车平台中增强用户体验 利用结构化的信息实现各种功能
用户可以期待一致的数据模式,例如对于定义明确的车辆会有高置信度,对常见品牌和型号会有详细描述,而较不常见的车辆可能会产生较低的置信度和较少的细节
车辆分析器端点主要接受用于分析的车辆图像文件 用户应该确保图像清晰并捕捉到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自定义他们的请求,以提高分析的准确性然而API不支持除图像输入之外的其他参数
“信心”字段表示分析的可靠性,而“状况”描述车辆的物理状态。“外部特征”列出了显著特征,“损伤”突出任何可见问题,提供全面的概述
该API采用先进的神经网络,经过数百万辆汽车图像的训练,确保高质量的分析。持续的更新和模型再训练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描绘了车辆。调整图像角度或光线可能会改善后续请求的分析结果
该API旨在分析各种车辆,包括轿车、卡车和SUV,涵盖各种品牌和型号。它适用于全球,但结果可能会根据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望较高的信心水平,并提供详细描述。较不知名的车辆可能会产生较低的信心和更少的细节,反映模型的训练数据和图像清晰度
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
563ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
278ms
服务级别:
100%
响应时间:
460ms
服务级别:
100%
响应时间:
1,955ms
服务级别:
100%
响应时间:
1,089ms
服务级别:
100%
响应时间:
587ms
服务级别:
100%
响应时间:
265ms
服务级别:
100%
响应时间:
657ms
服务级别:
100%
响应时间:
903ms
服务级别:
100%
响应时间:
219ms
服务级别:
100%
响应时间:
2,053ms
服务级别:
100%
响应时间:
1,113ms
服务级别:
100%
响应时间:
484ms
服务级别:
100%
响应时间:
283ms
服务级别:
100%
响应时间:
1,433ms
服务级别:
100%
响应时间:
1,064ms