此API可以识别并描述来自图像的车辆。其主要目标是提供对检测到的汽车的自动化和详细分析,识别其品牌、型号、估计年份、类型、主要颜色、视觉状态以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的图像上训练的神经网络处理照片。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,此API将一张简单的图像转换为智能车辆分析,提供准确的视觉和技术信息。得益于其人工智能与图像处理的结合,它简化了对汽车的识别、验证和分类过程,具有较高的可靠性,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/11057/vehicle+photo+fetcher+api/20833/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、估计年份、类型、颜色、状态、外部特征、可见修改、损坏、置信度和附加备注
响应中的关键字段包括“制造商”“型号”“年份”“类型”“颜色”“条件”“外部特征”“可见改动”“损坏”“可信度”和“附加备注”提供了被分析车辆的全面概述
响应数据以JSON格式结构化,顶级对象包含“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、损坏和置信度的信息,为识别和验证提供全面分析
数据准确性通过使用在数百万辆汽车图像上训练的先进神经网络得以保持,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 创建详细报告 或提升汽车平台的用户体验 利用结构化信息实现各种功能
用户可以期望一致的数据模式,例如对于定义良好的车辆有较高的置信水平,以及对常见品牌和型号有详细描述,而不太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 用户应确保图像清晰并捕捉到车辆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不支持超出图像输入的其他参数
“信心”字段表示分析的可靠性,而“状态”描述了车辆的物理状况。“外部特征”列出了显著特征,“损坏”突出任何可见问题,提供了全面的概述
该API使用先进的神经网络,经过数百万辆汽车图像的训练,确保高质量的分析。持续的更新和模型的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,但结果可能会根据图像中车辆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导致较低的置信度和较少的细节 这反映了模型的训练数据和图像清晰度
服务级别:
100%
响应时间:
2,435ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
3,483ms
服务级别:
100%
响应时间:
2,564ms
服务级别:
100%
响应时间:
2,041ms
服务级别:
100%
响应时间:
278ms
服务级别:
100%
响应时间:
3,760ms
服务级别:
100%
响应时间:
3,629ms
服务级别:
100%
响应时间:
3,041ms
服务级别:
100%
响应时间:
696ms
服务级别:
100%
响应时间:
18ms
服务级别:
100%
响应时间:
18ms
服务级别:
100%
响应时间:
18ms
服务级别:
100%
响应时间:
16,057ms
服务级别:
100%
响应时间:
8,147ms
服务级别:
100%
响应时间:
3,160ms
服务级别:
100%
响应时间:
6,852ms
服务级别:
100%
响应时间:
57ms
服务级别:
100%
响应时间:
71ms
服务级别:
100%
响应时间:
10,571ms