我正在尝试构建一个系统，该系统可以在提供汽车图像的同时评估其损坏百分比，并找出汽车中哪些零件已损坏。
是否可以使用Python和open-cv或tensorflow做到这一点？
我发现与我的工作相关的GitHub存储库
https://github.com/VakhoQ/damage-car-detector/tree/master/DamageCarDetector
https://github.com/neokt/car-damage-detective
但是他们提供的是定性输出（就像他们说汽车损坏是高还是低），我想打印出定量输出（损坏百分比）以及损坏的各个零件名称
这可能吗？
如果是的话，请帮帮我。
谢谢。
答案 0 :(得分：0)
扩展@yves-daoust 给出的好答案：这不是一项微不足道的任务，您不应该尝试用一种方法立即完成。
你应该问问自己，一个有类似任务的人，比如一位在租赁合同后审查这些汽车的专家，是如何进行这项工作的。然后你必须为你的系统制定要求和限制。
例如，专家首先检查任何视觉事件并对其进行评分，然后他们可能会检查很可能被光学传感器隐藏的技术问题（即，如果汽车可以驾驶，驾驶一个回合并估计发动机是否正在运行平稳，转向几何对齐（即如果汽车设法保持直线），如果有任何不应该存在的轻微振动等等）并且它们也可能施加力（尝试手动摇动车轮以检查是否轴承没问题）。
如果您将测量系统定义为仅限于普通相机传感器，那么您的系统能够提供的扩展范围就会受到一定的限制。
如果您只想发现外观损坏，即油漆和轮辋划痕的分类，我认为最先进的机器视觉应用程序应该能够在一定程度上帮助您：
首先，您需要检测划痕。请记住，划痕的可见性，尤其是在条件不断变化（阳光）的现场，对于廉价传感器来说可能是一项非常困难甚至不可能完成的任务。 IE。为了应对反射，系统可能需要使用偏振滤光片，特效涂料可能会干扰您的光学系统，使您无法发现任何东西。
其次，在相机坐标中检测到这些划痕的位置和尺寸后，您需要将它们转换为现实世界坐标以了解这些划痕的真实尺寸。了解汽车划痕的确切位置也非常有用（这将需要汽车的数字孪生体 - 这不再是微不足道的事情了）。
确定划痕的范围及其在汽车上的位置后，您需要应用成本模型。因为有些汽车零件很容易修复，比如保险杠上的划痕，只需重新喷涂保险杠即可，但如果 C 柱上的划痕不明显，则整个后四分之一的划痕很容易重新喷漆。
同样适用于较大的划痕/裂缝：光学检测模型需要能够区分划痕和裂缝（这很难做到，仅凭观察即可），然后成本模型可以推断出成本，即如果保险杠只需要重新喷漆或需要完全更换（因为它已破裂而不仅仅是划伤）。这种成本模型似乎很简单，但请记住，这需要适用于您“扫描”的每辆车。因为一个车身的廉价损坏可能很难修复另一个车身的损坏。我想说这可能比发现最初的划痕更难，因为您需要获得施工计划/维修零件清单（如果您是注册技工，则大多数情况下可以访问维修手册/维修零件清单，但它们可能会花费许可费用）您要报价的任何车辆。
你看，这是一个非常复杂的问题，由多个困难的子问题组成。最简单或可能是最好的方法是采用自下而上的方法，即从一个简单的“划痕检测器”开始，它只是在油漆中发现划痕。然后从那里开始，你很容易看到什么是可能的，什么是不可能的