高中阶段是学生心理发展的关键期，学业压力与情绪困扰相互叠加，而传统心理辅导普遍存在资源不足、响应滞后、学生参与度低等局限。随着人工智能与情感交互技术的发展，智能机器人为校园心理支持提供了新的可行路径。为此，笔者以小飞机器人为载体，开展文本与图像双模态情绪识别模型的训练与优化，系统探究数据规模与多样性对识别准确率的影响，构建了“情绪识别—状态评估—音乐疗愈”的闭环系统。该实践将人工智能与心理健康教育深度融合，既形成了可推广的AI实验教学案例，也为高中生提供了即时、个性化的心理支持服务。
1 研究背景与研究意义
1.1 研究背景
高中生面临学业竞争、升学压力与人际交往等多重挑战，心理健康问题日益凸显。2025年底数据显示，高中生抑郁倾向检出率已达40%
［1］。若负面情绪未能及时疏导，将直接影响学生的学习状态与身心发展。传统的心理支持手段，如个体咨询、团体辅导等，虽具成效，但常受限于专业资源不足与学生求助意愿较低等因素。《2025年服务机器人情感交互报告》指出，服务机器人行业正致力于“推动服务机器人从‘工具属性’向‘情感属性’跃迁”
［2］。借助智能机器人辅助缓解高中生心理压力，不仅成为AI技术落地教育场景的创新范式，也为高中信息技术课程中AI模块的教学实践提供了真实的应用场域。
1.2 研究意义
情绪识别是未来AI发展的关键技术之一
［3］。笔者以科大讯飞小飞机器人为硬件载体，通过优化文本与图像双模态情绪识别模型的训练策略，构建音乐疗愈系统以缓解高中生心理压力，从而实现AI技术与心理健康教育的深度融合，兼具技术与教育双重实践价值。
（1） 技术实践价值：深入探究双模态情绪识别模型的训练与优化路径，形成一套可复制的中小学AI模型训练教学案例，构建“教师引导、学生主体”的实验教学模式，切实提升学生的工程实践能力。
（2） 教育实践价值：构建“即时感知—精准干预”的智能心理疏导闭环，弥补传统心理辅导资源不足、响应滞后的短板，丰富校园心理健康教育路径。同时，通过引导学生参与模型训练全流程，同步提升其AI技术应用能力与创新思维。
2 系统设计思路
该系统包含3个核心模块。在教师的引导下，高中生以小组合作的形式深度参与各模块的设计与实现，促使学生在动手实践中深入理解模块功能与技术逻辑。
2.1 文本识别情绪判断模块
以高中生日常情绪表达（重点聚焦考试相关情境）为数据源，组织学生在教师指导下分组开展数据采集、清洗与标注工作，构建面向高中场景的情绪文本数据集。在此基础上，利用科大讯飞小飞机器人搭载的文本分类模型进行训练，并通过优化训练策略显著提升文本情绪识别的准确率。
2.2 图像识别情绪判断模块
以人脸表情图像为数据源，由学生负责图像采集与标注，教师指导学生对数据集进行规范化分类，构建情绪图像数据集。在此基础上，对小飞机器人搭载的图像识别模型进行训练，使其具备识别“高兴”与“伤心”两类核心情绪的能力。随后师生共同开展对照实验，系统探究数据集规模、多样性及数据主体特征对模型识别准确率的影响。
2.3 音乐疗愈反馈模块
音乐疗愈作为一种有效的心理调适方式，兼具独特的美育价值
［4］。为此，引导学生结合自身情绪体验与音乐认知，分组构建结构化音乐资源库，依据“高兴”与“伤心”两类情绪标签建立精准的音乐映射关系，即高兴情绪匹配欢快激昂曲目以强化积极体验，伤心情绪匹配舒缓治愈曲目以疏导负面感受。当小飞机器人通过文本或图像模块输出情绪识别结果后，系统即刻触发对应策略，自动推送适配的疗愈音乐，实现对用户情绪的即时干预与动态调节。
3 系统搭建过程
3.1 文本分类模型的训练、分析和优化
（1） 数据采集。在教师的引导下，学生以小组为单位采集涵盖“高兴”与“伤心”两类情绪的原始文本语料；为保证数据集的多样性与标注准确性，各小组采用交叉校验机制进行人工筛选与标注，确保每条文本都被赋予准确的情绪类别标签。
（2） 模型训练。教师先讲解自然语言处理模型的基础原理，然后指导学生利用科大讯飞开放平台，选择合适的模型进行训练。学生通过调整模型参数，借助验证集评估模型性能，在实践中掌握相关知识。
结合高中生学情，其数据采集聚焦考试相关语境。学生分别选取表达“高兴”和“伤心”的语句各20条，构建包含40条数据的初始训练集。在教师指导下，学生完成了文本情绪识别模型的初步训练。训练完成后，各小组对原语句进行改写，生成各20条新语句作为验证集并进行测试，记录模型的初始识别准确率。随后，师生共同将验证集并入训练集，扩充至80条数据（原文案计算逻辑为40+40，此处按实际数量修正），指导学生进行二次训练。最后，学生再次调整文本生成新的验证集进行测试，得出最终的识别准确率。识别结果统计详见
表1。
（3） 训练结果分析。学生小组对训练结果进行了分析，师生共同汇总后得出以下结论。
①数据扩充效应：训练数据由20条增至40条，为模型提供了更全面的语言特征，有效增强了模型的泛化能力。
②准确率变化：伤心文本的识别准确率显著提升，平均增幅达24.27%；相比之下，高兴文本的准确率提升有限，平均仅增长6.09%。
③异常样本分析：值得注意的是，高兴文本中有4个样本的准确率出现了不升反降的情况，其中16号文本的降幅最大，达32.5%。学生结合实操经验，深入分析了导致这4个样本识别失败的原因，详见
表2。
第二次测试文本的表达更具口语化和随意化特征，模型因难以捕捉此类细微的语义差异而出现识别混淆。通过这一对比，学生直观体会到了数据分布多样性对提升模型鲁棒性的关键作用。
（4） 优化数据，解决样本问题。针对此前准确率下降的4个高兴文本样本，学生分组并为各样本构建了专属的“语义相似表达库”，开展了针对性的数据增强工作。
①应对近义词替换：补充包含同类近义词的语料。
②应对冗余修饰：补充包含同类修饰成分的语料。
③应对口语化变体：补充覆盖各类口语变体的语料。
④应对情绪强度变化：补充不同强度情绪表达的语料。
完成数据补充并重新训练后，模型对上述4个样本的识别准确率均回升至87.0%以上，达到了预期优化效果。通过这一实操过程，学生深刻体会到了数据优化对提升模型性能的关键作用。
3.2 图像分类模型的训练、分析和优化
（1） 图像数据采集。学生分组采集不同年龄、性别及民族的人物面部图像，标注每张图像所对应的情绪类别，确保数据集的多样性。
（2） 模型训练。实验实施过程如下。
教师首先讲解卷积神经网络（CNN）基础及TensorFlow、PyTorch等深度学习框架原理。为保护隐私，实验所用图像均采用豆包工具智能生成，由学生负责生成与筛选。
实验时将训练集按主体特征分为单一主体与多主体两类，并分别建构识别模型。所有模型均设置“高兴”与“伤心”两种类别，并采用统一的固定验证集（含4张图像：1名女孩的2张表情、1张父亲表情、1张年轻男性表情）进行评测。
①单一主体实验。学生生成同一女孩的高兴、伤心图像各40张。首轮训练导入各30张（共60张）进行训练，记录验证集准确率；第二轮加入剩余的各10张（共80张）进行增量训练，再次验证。通过对比两轮结果，学生直观观测数据量对模型性能的影响（详见
表3第2~3列）。
②多主体实验。学生构建包含两类情绪的混合样本库：A类为60张不同性别高中生的表情图像；B类为40张不同年龄、性别群体的表情图像。
在教师指导下，学生设计了4种样本组合方案构建训练集：仅A类40张；A类40张+B类20张；A类40张+B类40张；A类60张+B类40张。
各小组分组执行上述训练方案，并使用固定验证集测试，详细记录准确率变化，详见
表3第4~7列。
（3） 训练结果分析。师生共同引导学生对上述6种训练场景的结果进行分析，总结出如下规律。
①单一主体训练的局限性。在单一主体（同一女孩）训练中，模型准确率随数据量增加而上升，对已知样本识别精准。然而，面对父亲、年轻男性等未知主体时，准确率明显下降，呈现出“对已知样本过拟合、对未知样本泛化弱”的特点。分析表明，模型倾向于记忆该女孩的特定面部细节，而非学习表情的本质特征，导致泛化迁移能力不足。
②多主体训练的拐点效应。多主体训练呈现“先升后稳”的三段式趋势。
【低效区（40张）】仅使用单一高中生群体时，因面部特征差异小，模型难以提取通用特征，准确率仅56.9%，接近随机猜测。
【爆发区（60张）】加入20张其他群体样本后，特征多样性显著提升，准确率跃升至83.3%，涨幅达26.4个百分点。
【饱和区（80～100张）】继续增加样本，准确率仅小幅波动并趋于稳定，投入产出比（ROI）显著下降。
③综合结论。对比两类实验，多主体训练（60张以上）的模型泛化能力显著优于单一主体训练，更适配实际应用。同时，两类训练均存在“性能拐点”（单一主体约40张，多主体约60张）。这表明：在达到一定数据规模后，数据多样性比单纯堆叠数量更能有效提升模型性能。
基于上述结论，师生确定采用60张多样化图像作为标准训练集，由学生完成最终模型的训练与参数固化，确保模型在实际应用中具备良好的识别效果。
3.3 音乐疗愈平台的搭建
音乐疗愈平台的搭建旨在实现“情绪感知—智能决策—音乐干预”的全流程闭环。项目围绕资源库构建、匹配规则制定与系统集成调试共3个核心步骤推进，确保平台能与前述双模态情绪识别模型精准联动，实现疗愈音乐的智能推送。
（1） 构建结构化音乐资源库。学生结合情绪体验与音乐认知，针对“高兴”与“伤心”两类核心情绪，广泛搜集流行乐、纯音乐等作品。团队为每首曲目标注了情绪标签、疗愈属性及适用场景，并对数据结构化处理后录入讯飞开放平台后台，形成可供调用的音乐资源库。
（2） 制定“情绪—音乐映射规则”。师生共同研讨，确立了基于双模态识别结果的匹配逻辑：若文本与图像模型均判定为“高兴”，系统自动匹配节奏明快的音乐及激励文案；若判定为“伤心”，则匹配舒缓治愈的音乐及安抚文案。随后，学生通过编程实现了识别结果与音乐推荐接口的自动化对接。
（3） 系统集成与调试优化。学生分组模拟真实应用场景，通过语音输入或人脸图像触发识别，全面测试系统的响应速度、推荐精准度及衔接流畅度。针对测试中出现的匹配偏差，团队及时优化曲库标签并修正匹配阈值。最终，平台实现了从情绪识别到音乐疗愈的全链路自动化与即时化，达成了无须人工干预的无缝情绪疏导效果。
4 模型识别下的音乐疗愈系统对高中生心理的影响
该项研究以“提升情绪识别模型准确率”为核心路径，最终指向“音乐疗愈缓解心理压力”的应用目标。在完成模型训练与优化后，选取高一年级200名学生开展为期2个月的对照实验（实验组100人使用系统，对照组100人不使用），通过问卷、量表及访谈分析疗效，结果如下。
（1） 情绪疏导的即时性显著提升。传统心理疏导受限于时空与主动求助意愿，而该系统实现了情绪的实时识别与即时干预。实验组中，89%的学生表示能在10 min内感受到情绪舒缓；相比之下，对照组仅23%的学生能在短时间内通过自我调节平复情绪。系统有效解决了考试失利等突发情境下的情绪积压问题。
（2） 音乐疗愈的针对性有效增强。基于精准的双模态识别，系统避免了盲目推荐。实验数据显示：实验组负面情绪量表得分平均下降32%，积极情绪得分平均提升28%，而对照组情绪波动不明显。例如，针对考试失利的“伤心”情绪，系统精准推送治愈系音乐与安抚文案，有效降低了心理不适感。
（3） 心理求助的主动性明显提高。相较于面对教师，学生与智能终端的交互更具私密性，显著降低了心理抵触感。实验组中76%的学生愿意主动向系统倾诉负面情绪，远高于笔者所在校既往调查中“仅18%学生愿主动寻求心理教师帮助”的数据，极大地扩展了校园心理服务的覆盖面。
（4） 形成“点面结合”的心理健康教育新模式。系统并未替代专业咨询，而是构成了“专业辅导+智能疏导”的双重体系。试用期间，学校心理辅导室接待的深层心理问题咨询量提升了21%，而85%的日常情绪疏导需求通过该系统得到解决，实现了资源的优化配置。
试用反馈表明，考试失利的学生在与系统交互并接受治愈系音乐后，能快速恢复信心。这充分证明：文本与图像情绪识别模型的高准确率是音乐疗愈落地的核心保障。通过优化模型，该研究成功实现了缓解高中生心理压力的目标；同时，参与训练的学生也在实践中深化了对AI技术的理解，提升了情绪管理能力。
5 结语
该系统能够较为准确地识别高中生情绪，并提供有效的调节支持，在心理健康教育领域具备一定的应用价值。同时，系统开发过程具有较强的可操作性：在教师专业引导下，高中生深度参与了数据采集、标注、模型训练及优化的全流程，并将成果反馈于同辈群体。显著的实践成效让学生真切体会到科研与应用相融相通的价值，成功实现了“做中学”的AI教学目标。
研究的核心创新点主要体现在以下两方面。一是场景融合创新。成功地将AI情绪识别与音乐疗愈落地于高中心理健康教育，弥补了传统辅导资源不足、响应滞后的短板，打造了即时化、个性化的智能服务模式。二是教学资源创新。打造了一套可复制的中小学AI模型训练案例，为一线信息技术教师提供了清晰的操作路径与参考范式。然而，系统仍存在局限：当前仅能识别“高兴”“伤心”两类情绪，维度较为单一；音乐资源库亦有进一步丰富的空间。这些问题有待在未来研究中持续改进。
展望未来，随着AI技术的发展，智能系统必将为高中生心理健康提供更全面、更专业的支持。回归一线教学，该研究启示教师需积极挖掘AI与校园生活的融合场景，引导学生在解决真实问题中掌握技术，实现技能习得与素养培育的双重目标；同时，坚持“教师引导、学生主体”的原则，让技术原理与实践能力在实操中同步生长。
河北省第二批中小学人工智能创客教育试点学校专项课题“基于项目式学习的高中人工智能课程的设计与开发”(hbdjzx202455)
京公网安备11010202008535号
PDF
(439KB)
