[发明专利]使用机器学习的设备掉落检测

说明书

本文中描述的各种实施例涉及使用机器学习的设备滥用检测。在这方面，系统将电子设备的加速度计数据与多个定义的加速度计阈值进行比较，以识别与电子设备相关联的主要滥用事件类别。响应于识别出主要滥用事件类别，该系统基于与电子设备的惯性数据、由电子设备所生成的图像数据以及由电子设备所捕获的音频数据相关联的机器学习技术，生成针对与电子设备相关联的次要滥用事件类别的第一预测。另外，该系统将惯性数据、图像数据和音频数据传输到与机器学习服务相关联的网络服务器设备，以便于基于该惯性数据、图像数据和音频数据的针对次要滥用事件类别的第二预测的生成。

技术领域

本公开一般涉及机器学习，并且更特别地涉及针对设备的基于机器学习的滥用检测。

背景技术

电子设备（诸如企业移动设备）可能会遭受恶劣的工业环境的影响。然而，用户通常不了解电子设备的性能规格。此外，用户通常具有对企业移动设备的最小既定所有权，因此保护企业移动设备或谨慎使用企业移动设备可能不是用户关心的问题。而且，当前没有追踪电子设备处置和/或通知用户电子设备的机械规格已被超出的机制。通过所付出的努力、独创性和创新，已经通过开发包括在本公开的实施例中的解决方案解决了许多这些被识别的问题，在本文中详细描述了其许多示例。

发明内容

根据本公开的实施例，提供了一种包括处理器和存储器的系统。存储器存储可执行指令，该可执行指令在由处理器执行时使处理器将电子设备的加速度计数据与多个定义的加速度计阈值进行比较，以识别与电子设备相关联的主要滥用事件类别。响应于识别出主要滥用事件类别，可执行指令还使处理器基于与电子设备的惯性数据、由电子设备所生成的图像数据以及由电子设备所捕获的音频数据相关联的机器学习技术，来生成针对与该电子设备相关联的次要滥用事件类别的第一预测。另外，可执行指令使处理器将惯性数据、图像数据和音频数据传输到与机器学习服务相关联的网络服务器设备，以便于基于惯性数据、图像数据和音频数据的针对次要滥用事件类别的第二预测的生成。

根据本公开的另一个实施例，提供了一种计算机实现的方法。该计算机实现的方法提供了由包括处理器的设备将电子设备的加速度计数据与多个定义的加速度计阈值进行比较，以识别与电子设备相关联的主要滥用事件类别。响应于识别出主要滥用事件类别，该计算机实现的方法还提供了由该设备基于与电子设备的惯性数据、由电子设备生成的图像数据以及由电子设备捕获的音频数据相关联的机器学习技术，来生成针对与该电子设备相关联的次要滥用事件类别的第一预测。另外，该计算机实现的方法提供了由设备将惯性数据、图像数据和音频数据传输到与机器学习服务相关联的网络服务器设备，以便于基于惯性数据、图像数据和音频数据来生成针对次要滥用事件类别的第二预测。

根据本公开的又另一个实施例，提供了一种计算机程序产品。该计算机程序产品为具有在其上体现的程序指令的至少一个计算机可读存储介质，该程序指令可由处理器执行以使处理器将电子设备的加速度计数据与多个定义的加速度计阈值进行比较，以识别与电子设备相关联的主要滥用事件类别。响应于识别出主要滥用事件类别，程序指令还可由处理器执行以使处理器基于与电子设备的惯性数据、由电子设备生成的图像数据以及由电子设备捕获的音频数据相关联的机器学习技术，来生成针对与电子设备相关联的次要滥用事件类别的第一预测。另外，程序指令可由处理器执行以使处理器将惯性数据、图像数据和音频数据传输到与机器学习服务相关联的网络服务器设备，以便于基于惯性数据、图像数据和音频数据来生成针对次要滥用事件类别的第二预测。

根据本公开的又另一个实施例，提供了一种包括处理器和存储器的系统。存储器存储可执行指令，该可执行指令在由处理器执行时并且响应于针对由电子设备确定的滥用事件类别的第一预测，使处理器接收电子设备的惯性数据、由电子设备生成的图像数据以及由电子设备捕获的音频数据。可执行指令还使处理器基于与惯性数据、图像数据和音频数据相关联的机器学习过程来生成针对滥用事件类别的第二预测。另外，可执行指令使处理器基于针对滥用事件类别的第一预测和针对滥用事件类别的第二预测来发起与电子设备相关联的动作。