基于脑机接口与智能体的工作状态分析系统

摘要

针对脑力工作者在工作状态管理领域中存在实时性不足、个性化缺失，以及脑科学技术与管理流程融合度低的问题，开发了一种脑机接口与智能体协同的工作效率优化系统。系统采用8通道Open BCI(Open BrainComputer Interface)设备采集脑电信号;在情绪识别方面，通过短时傅里叶变换和微分熵构建时频图像，输入改进型Pyramid SR-CNN(Super-Resolution-Convolutional Neural Network)模型进行3分类(负性、中性、正性)，在SEED(SJTU Emotion EEG Dataset)数据集上准确率达94.01%;在疲劳监测方面，基于加权θ/β功率比实现3分类(正常、轻度疲劳、重度疲劳)，引入多通道空间权重策略提升鲁棒性。系统通过LSL(Lab Streaming Layer)与Fast API Web Socket构建低延迟数据通路，前端基于ECharts实现受试者状态可视化，并调用COZE智能体定时生成反馈报告。为验证系统可行性，实验招募6名受试者完成不同强度脑力任务，结果表明，该系统能有效识别情绪波动及疲劳状态，性能显著优于传统行为监测方式;实现了输出对个体脑电特征的适配干预方案，可助力工作效率提升，为脑力工作者的工作状态管理提供了科学技术路径。

关键词

信息处理技术 / 分析系统 / 脑机接口 / 智能体