自研模型能力
从行业数据出发，构建能够持续迭代的业务模
Model Capabilities
电动车识别九大模型能力
进入试用面向电动自行车登记、查验与材料审核场景自研的视觉能力体系：从整车部件定位、外观尺寸量化测量，到人车一致性比对、材料真实性与图像质量审核、二维码解析，共 9 项能力覆盖一条完整的车辆核验流水线。
- 9模型能力
- 4能力类别
电动车目标识别与预测 定位电动车整车与车把、车轮、鞍座等关键部件，并基于多视角图像预测长宽高、轴距等量化尺寸。
部件识别
上传电动车左正图，自动定位车把、车轮、鞍座、电池等关键部件。
单图输入
上传：待检测图片（电动车左正图）
尺寸测量
上传左正方 + 俯视图，自动量取整车长宽高、轴距与鞍座尺寸。
双图输入（左正方+俯视图）
上传：左正方、俯视图
通用目标检测
按业务类型检测整车质量，或识别左后45度车身与车牌照号牌。
单图输入（可选业务）
上传：待检测图片（含号牌整车照）
图像比对 比对两张人脸或两张车辆图片，判定是否为同一人／同一辆车。
人脸识别
上传两张人脸照，自动判断是否为同一人并给出相似度结论。
双图输入
上传：人脸图1（本人正面照）、人脸图2（待比对照片）
相似度比对
上传同一辆车的两张图，判定是否一致并用热力图标出差异部位。
双图输入（可选热力图）
上传：图1（车辆基准照）、图2（待比对照）
智能审核 自动检查图像质量与材料真实性，识别篡改、翻拍、反光、拍摄不完整等风险。
图像篡改检测
上传合格证/发票等材料，识别 PS 篡改与相中相翻拍痕迹。
单图输入
上传：待审核图片（合格证/材料）
图像质量审核
上传电动车左正图，检出反光异常与拍摄不完整并给出质量分。
单图输入
上传：待审核图片（电动车左正图）
智能查验·外观尺寸
上传四个规定角度照片，一次输出外观尺寸与智能查验结论。
四图输入
上传：左前45度、左正方、俯视图、左后45度
识别与解析 自动定位并解析图中的二维码等编码信息，转化为可机读数据。
二维码识别
上传含码图片，自动定位图中二维码并解析链接与数量。
单图输入
上传：待识别图片（含二维码）
基于成熟视觉模型架构，开展行业样本训练、场景适配与算法优化，自主建设数据处理、训练评估和应用服务链路，使模型能力与业务规则共同演进。
•目标与部件模型：
训练业务目标与关键部件检测模型，识别类别与位置，并结合关键点算法输出测量信息。
•视觉特征模型：
利用行业图片训练相似度模型，提取对象特征，支持图片对比和多视角核验。
•智能审核算法：
融合图像模型与业务规则，对反光、翻拍、拍摄完整性和疑似篡改提供辅助检查。
特性亮点
- •行业数据，样本整理与标注治理
- •训练优化，任务适配与特征学习
- •效果评估，阈值验证与独立验收
- •版本迭代，模型管理与应用更新