本文以音频事件检测为核心，给出用Python识别汽笛声的端到端方案：以公开数据集与自采数据构建多样化样本，采用Log-Mel/MFCC等特征结合迁移学习（如YAMNet、PANNs）训练模型，并通过事件级后处理与动态阈值降低误报；在部署上将模型导出为ONNX，配合ONNX Runtime/TensorRT/TFLite与量化裁剪实现边缘实时推理；全流程以事件级F1为主指标进行评估与监控，建立灰度与回滚机制保证稳定迭代；在多团队协作中，可用PingCode贯通标注、训练、发布与运营；未来自监督表征与边缘AI将进一步提升在复杂噪声与跨设备场景的鲁棒性。