我正在尝试建立一个系统，在提供汽车图像时，可以评估汽车的损坏百分比，并找出汽车中哪些零件受损。
有没有任何可能的方法可以使用Python并打开cv或tensorflow来做到这一点？
我发现与我的工作相关的GitHub存储库是这些
https://github.com/VakhoQ/damage-car-detector/tree/master/DamageCarDetector
https://github.com/neokt/car-damage-detective
但他们提供的是定性输出(就像他们说的汽车损坏程度高或低(，我想打印出定量输出(损坏百分比(以及损坏的的单个零件名称
这可能吗？
如果是，请帮帮我。
谢谢。
为了扩展@yves-daoust给出的好答案：这不是一项琐碎的任务，你不应该试图用一种方法同时完成。
你应该问问自己，一个有类似任务的人，比如说一个在签订租赁合同后审查这些汽车的专家，是如何做到这一点的。然后，您必须为您的系统制定要求和限制。
例如，专家首先检查是否出现任何视觉现象并对其进行评分，然后他们可能会检查光学传感器很可能隐藏的技术问题(即，如果汽车可以驾驶，行驶一圈，并估计发动机是否平稳运行，转向几何体是否对齐(即，汽车是否能够保持直线(，如果有任何不应该存在的轻微振动，等等(，他们也可能施加力(试图手动摇动车轮以检查轴承是否正常(。
如果您将测量系统定义为仅限于普通相机传感器，那么您的系统所能提供的扩展范围在一定程度上受到限制。
如果你只想发现外观损伤，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你：
-
首先，您需要检测划痕。请记住，对于廉价的传感器来说，划痕的可见性，尤其是在条件不断变化的领域(阳光(，可能是一项非常困难甚至不可能完成的任务。也就是说，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你的光学系统，使你无法发现任何东西。
-
其次，在你检测到这些划痕在相机坐标中的位置和尺寸后，你需要将它们转换为真实世界的坐标，以了解这些划痕的真实尺寸。知道汽车上划痕的确切位置也会很有用(这需要一个汽车的数字双胞胎——这不再是琐碎的事情了(。
-
在确定划痕的程度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柱上的划痕不再明显，那么它很容易就会重新喷涂整个后围板。
更大的划痕/裂纹也是如此：光学检测模型需要能够区分划痕和裂纹(这很难通过观察来做到(，然后成本模型可以推断成本，即保险杠是否需要重新喷漆或完全更换(因为它有裂纹，而不仅仅是划痕(。这种成本模式可能看起来很容易，但请记住，这需要被采用到每辆车上；扫描"；。因为一个车身的一个廉价损坏可能很难修复不同车身的损坏。我想说，这可能比发现最初的划痕更难，因为你需要获得你想报价的任何车辆的施工计划/维修零件清单(如果你是注册机械师，维修手册/维修零件列表大多可以访问，但它们可能会收取许可费(。
你看，这是一个非常复杂的问题，由多个硬子问题组成。做到这一点最简单或可能是最好的方法是自下而上的方法，即从一个简单的"；划痕检测器"；它只会在油漆上留下划痕。然后从那里开始，你很容易看到什么是可能的，什么不是