Esta API identifica e descreve veículos a partir de uma imagem. Seu principal objetivo é fornecer uma análise automática e detalhada do carro detectado, reconhecendo sua marca, modelo, ano estimado, tipo, cor predominante, condição visual e outras características externas relevantes.
Quando uma imagem é enviada para o endpoint, o sistema processa a fotografia utilizando redes neurais treinadas em milhões de imagens de veículos de diferentes marcas e modelos. O resultado inclui um relatório abrangente com informações estruturadas que são fáceis de integrar em aplicações ou plataformas.
Em resumo, esta API transforma uma imagem simples em uma análise inteligente de veículos, fornecendo informações visuais e técnicas precisas. Graças à sua combinação de inteligência artificial e processamento de imagens, ela simplifica os processos de identificação, verificação e classificação de carros com um alto grau de confiabilidade e fácil integração em qualquer aplicação moderna.
Retorna informações detalhadas sobre um veículo identificado ou analisado, incluindo marca, modelo, faixa etária estimada, tipo, cor, condição física, características externas e observações adicionais
Analisador de Veículos - Recursos do endpoint
| Objeto | Descrição |
|---|---|
Corpo da requisição |
[Obrigatório] Arquivo binário |
{"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/11058/analyze+vehicle+images+api/20835/vehicle+analyzer' \
--header 'Content-Type: application/x-www-form-urlencoded' \
--form 'image=@"FILE_PATH"'
| Cabeçalho | Descrição |
|---|---|
Authorization
|
[Obrigatório] Deve ser Bearer access_key. Veja "Sua chave de acesso à API" acima quando você estiver inscrito. |
Sem compromisso de longo prazo. Faça upgrade, downgrade ou cancele a qualquer momento. O teste gratuito inclui até 50 requisições.
O endpoint do Analisador de Veículos retorna informações detalhadas sobre um veículo, incluindo sua marca, modelo, ano estimado, tipo, cor, condição, características externas, modificações visíveis, danos, nível de confiança e notas adicionais
Os campos-chave na resposta incluem "marca" "modelo" "ano" "tipo" "cor" "condição" "característicasExternas" "modificaçõesVisíveis" "danos" "confiança" e "notasAdicionais" fornecendo uma visão abrangente do veículo analisado
Os dados da resposta estão estruturados em um formato JSON, com um objeto de nível superior contendo "status", "mensagem" e "resultado". O objeto "resultado" inclui atributos detalhados do veículo, facilitando a análise e a integração em aplicações
O ponto de extremidade fornece informações sobre a marca do veículo, modelo, ano, tipo, cor, condição, características externas, modificações, danos e um nível de confiança, oferecendo uma análise completa para identificação e verificação
A precisão dos dados é mantida através do uso de redes neurais avançadas treinadas em milhões de imagens de veículos garantindo identificação e análise confiáveis com base em características visuais e condições observadas na imagem de entrada
Casos de uso típicos incluem identificação de veículos para concessionárias avaliações de seguros gestão de inventário e aprimoramento de aplicações que requerem reconhecimento e classificação de veículos com base em imagens
Os usuários podem utilizar os dados retornados integrando-os em aplicações para verificação de veículos, criando relatórios detalhados ou aprimorando experiências do usuário em plataformas automotivas, aproveitando as informações estruturadas para várias funcionalidades
Os usuários podem esperar padrões de dados consistentes, como altos níveis de confiança para veículos bem definidos e descrições detalhadas para marcas e modelos comuns, enquanto veículos menos comuns podem resultar em menor confiança e menos detalhes
O endpoint do Analisador de Veículos aceita principalmente um arquivo de imagem do veículo para análise Os usuários devem garantir que a imagem esteja clara e capture as características externas do veículo para resultados ótimos
Os usuários podem personalizar suas solicitações fornecendo imagens de diferentes ângulos ou com condições de iluminação variadas para aumentar a precisão da análise No entanto a API não suporta parâmetros adicionais além da entrada da imagem
O campo "confiança" indica a confiabilidade da análise enquanto "condição" descreve o estado físico do veículo "RecursosExternos" lista características notáveis e "danos" destaca quaisquer problemas visíveis proporcionando uma visão geral abrangente
A API utiliza redes neurais avançadas treinadas em milhões de imagens de veículos garantindo análise de alta qualidade Atualizações contínuas e re-treinamento dos modelos ajudam a manter a precisão e a confiabilidade na identificação de veículos
Se a API retornar resultados parciais ou vazios os usuários devem verificar a qualidade da imagem e garantir que ela represente claramente o veículo Ajustar o ângulo da imagem ou a iluminação pode melhorar o resultado da análise em solicitações subsequentes
A API é projetada para analisar uma ampla variedade de veículos incluindo carros caminhões e SUVs de várias marcas e modelos É aplicável globalmente mas os resultados podem variar com base na visibilidade do veículo e nas características da imagem
Os usuários podem esperar níveis de confiança elevados para marcas e modelos bem conhecidos com descrições detalhadas Veículos menos conhecidos podem resultar em confiança mais baixa e menos detalhes refletindo os dados de treinamento do modelo e a clareza da imagem
Nível de serviço:
100%
Tempo de resposta:
0ms
Nível de serviço:
100%
Tempo de resposta:
0ms
Nível de serviço:
100%
Tempo de resposta:
4.081ms
Nível de serviço:
100%
Tempo de resposta:
563ms
Nível de serviço:
100%
Tempo de resposta:
0ms
Nível de serviço:
100%
Tempo de resposta:
1.089ms
Nível de serviço:
100%
Tempo de resposta:
1.955ms
Nível de serviço:
100%
Tempo de resposta:
696ms
Nível de serviço:
100%
Tempo de resposta:
587ms
Nível de serviço:
100%
Tempo de resposta:
866ms
Nível de serviço:
100%
Tempo de resposta:
360ms
Nível de serviço:
100%
Tempo de resposta:
19.536ms
Nível de serviço:
100%
Tempo de resposta:
19.536ms
Nível de serviço:
100%
Tempo de resposta:
19.536ms
Nível de serviço:
100%
Tempo de resposta:
427ms
Nível de serviço:
100%
Tempo de resposta:
3.739ms
Nível de serviço:
100%
Tempo de resposta:
19.536ms
Nível de serviço:
100%
Tempo de resposta:
469ms
Nível de serviço:
100%
Tempo de resposta:
369ms
Nível de serviço:
100%
Tempo de resposta:
614ms