EDGAR：基于AI的实时嵌入式枪声检测

电子射击计数器使军械师能够基于定量测量进行预防和预测性维护，从而提高可靠性、降低事故频率并减少维护成本。为应对市场对短上市周期和更高定制化的压力，我们旨在通过机器学习以通用方式解决射击检测与计数问题。在本研究中，我们描述了一种仅需时间序列中发射的总弹数即可以最小标注工作量构建数据集的方法。据我们所知，这是首项提出基于标签比例学习的技术的研究，该技术能够利用这些弱标签推导出可解决计数问题及更一般判别问题的实例级分类器。我们还表明，该技术可部署于资源严重受限的微控制器上，同时仍提供硬实时(<100 ms)推理。我们针对最先进的 unsupervised 算法评估了该技术并显示出可观改进，表明弱标签中的信息被成功利用。最后，我们针对人工生成的最先进算法评估了该技术，显示其提供可比性能，并在部分离线和真实世界基准中显著优于它们。