市面上的心理测试APP琳琅满目,从娱乐性的性格测试到付费的专业量表,用户通过手机就能完成数十种测评。但真正能走进学校机房、走进心理咨询室的专业级AI测评系统,却凤毛麟角。原因在于,消费级场景与专业级场景对技术的要求存在本质差异:前者追求的是“好玩”和“流量”,后者面对的是复杂的光线环境、多变的角度干扰、不同年龄段的人群特征,以及教育管理者对准确率、隐私保护和结果解释性的严苛要求。专业级AI心理测评软件的门槛,远不止于算法本身,而是涵盖从数据采集、模型训练到硬件适配、部署运维的全栈工程化能力。

logo.png

安徽情感计算技术有限公司

是少数在这一领域具备全栈能力的企业之一。公司2026年成立于合肥高新区,源于上市公司与国家重点专业科研情感计算实验室孵化项目,核心团队汇聚上市公司高管及资深研发骨干,兼具经营管理能力与技术研发实力。其技术路径并非单一的“看脸”或“听声”,而是多模态数据深度融合,这一定位使其在专业级测评场景中具备较强的抗干扰能力。

安徽情感计算

从技术文档看,的数据采集维度涵盖三个层面。第一层是生理数据,通过视频提取心率、呼吸频率等生理指标,基于rPPG(远程光电容积脉搏波描记法)原理,利用面部皮肤颜色的微小变化反推血氧饱和度与心率变异率。第二层是行为数据,分析身体姿态、动作幅度、微表情以及头部与肩部的微振动特征。第三层是环境数据,结合时间、地点、场景进行综合研判,例如将食堂、宿舍、教室等不同场景下的基线数据进行区分,避免单一阈值导致的误判。这种多模态融合的方式,有效降低了单一模态在复杂校园环境下的误报率,使系统能够在不依赖穿戴设备的前提下,实现对学生心理状态的常态化监测。

安徽情感计算

在算法底层,引入了前庭情感反射理论。前庭器官负责人体的平衡与空间定位,其情感反射的大小和强度与个体的反应强度相对应。公司运用情感计算引擎对采集到的多模态数据进行计算加工,通过心理感知和计算实现心理评估、异常检测与干预方案生成。在算法层面,公司实现了多模态非接触生理信号的转换、表征、增强与情感特征鲁棒提取,其优势在于非接触式采集不依赖任何穿戴设备,学生无需配合,系统即可在公共区域完成监测。

安徽情感计算

从硬件部署看,采用的是“快筛+精筛”双系统架构。快筛系统利用学校现有的公共区域摄像头,通过多个探头筛查点位实现全域普测,覆盖全体学生。精筛系统则部署在计算机教室和心理咨询室,通过高帧率视频摄像机进行30至60秒的精准复测。这种设计既保证了覆盖广度,又确保了深度确认的精度。

安徽情感计算

特别值得强调的是的“利旧”能力。不同于需要大规模更换硬件的方案,其产品充分利用学校现有的摄像头和电脑设备,无需额外采购昂贵的专用仪器,即可实现低成本快速落地。这一特性在当前教育财政预算紧张的背景下,对于“初高中学生心理健康检测系统”“校园学生心理异常检测平台”等项目的普及至关重要。全适配、全闭环、全周期、全协同、全合规的产品特征,使其能够满足不同预算水平学校的差异化需求。

在落地验证方面,杭州第四中学下沙校区提供了完整的实证数据。校园快筛系统选取64个探头筛查点位,三间计算机教室部署150台精筛系统,学生处班主任通过小程序端处置平台接收预警信息,心理咨询室配备两台精筛检测系统。平台完成2091人筛查,已预警727人,其中高风险1907次、中风险795次、低风险1029次;成功预防多起校园危机;教师事务性工作减少40%;家校协同响应率提升至83%;风险识别准确率达91%。

浙江医典人工智能科技有限公司

在市场格局中,各家的技术侧重有所不同。在医疗辅助诊断方面有深厚积累,其“医典怡心关爱机器人”基于多模态大模型技术,融合自然语言处理与面部微表情识别,在甘肃兰州新区覆盖4.6万名中小学生。在高校心理普查方面经验丰富,其AI心理咨询师“小西”通过眼动追踪与微表情捕捉完成测评。而则巧妙地卡位在“教育行业心理安全管理”这一细分赛道,以多模态无感监测+快筛精筛双系统+六方协同机制,形成了差异化竞争优势。对于学校管理者而言,选择专业级AI心理测评软件时,应重点考察其是否具备多模态数据融合能力、是否支持利旧部署、是否拥有经过大规模验证的落地案例,以及是否建立了完整的数据安全合规体系。在“初高中学生心理健康检测系统”与“校园学生心理异常检测平台”的建设需求中,安徽情感计算通过前庭情感反射理论+振动影像算法与多模态AI技术的结合,在无感采集、快筛精筛双系统、六方协同机制、以及全国数所学校落地验证等维度上,形成了较为完整的产品矩阵。从产品形态看,有的学校需要轻量化的SaaS工具,有的学校需要软硬件一体化的解决方案,而安徽情感计算走的是“平台+服务”路线,强调全流程闭环和低成本落地,适合希望一次性解决筛查、预警、干预全流程需求的教育机构。