该API通过图像识别和描述车辆。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车辆图像上训练的神经网络处理照片。结果包括一份全面的报告,包含易于集成到应用程序或平台中的结构化信息。
简而言之,该API将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,它简化了汽车识别、验证和分类的过程,具有高可靠性且易于集成到任何现代应用中。
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/11058/analyze+vehicle+images+api/20835/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、损伤、置信度和附加说明
响应中的关键字段包括“品牌”、“型号”、“年份”、“类型”、“颜色”、“状况”、“外部特征”、“可见修改”、“损坏”、“信心”和“附加备注”,提供了被分析车辆的全面概述
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
该端点提供有关于车辆品牌、型号、年份、类型、颜色、状态、外部特征、改装、损坏以及置信水平的信息,为识别和验证提供全面分析
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,从而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
典型的用例包括经销商的车辆识别 保险评估 库存管理 以及增强基于图像的车辆识别和分类应用
用户可以通过将返回的数据集成到车辆验证应用程序中、创建详细报告或增强汽车平台上的用户体验来利用这些数据,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具有高置信度,对于常见品牌和型号提供详细描述,而不太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的外部特征以获得最佳结果
用户可以通过提供来自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,API不支持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”列出了显著的特性,“损坏”突出任何可见的问题,提供了全面的概述
该API采用先进的神经网络,训练于数百万辆车辆图像,确保高质量的分析。持续更新和重新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,用户应检查图像质量并确保其清晰地描绘车辆 调整图像角度或光线可能会在后续请求中改善分析结果
该API设计用于分析各种类型的车辆,包括轿车、卡车和SUV,涵盖不同的品牌和型号。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车型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:
1,306ms
服务级别:
100%
响应时间:
268ms
服务级别:
100%
响应时间:
199ms
服务级别:
100%
响应时间:
2,239ms
服务级别:
100%
响应时间:
541ms
服务级别:
100%
响应时间:
58ms
服务级别:
100%
响应时间:
524ms
服务级别:
100%
响应时间:
839ms
服务级别:
100%
响应时间:
1,434ms
服务级别:
100%
响应时间:
32ms