学生在课堂上的情绪往往是其学习状态最直接的反映,教师可以通过学生的情绪表现及时调整教学方法,提高教学效率。但在课堂中,由于学生人数众多导致教师无法有效的在授课的同时兼顾对学生学习情绪的感知;传统的教学质量评价方法是以听课评课和作业成绩等结果性数据作为指标,缺乏对学生学习状态的关注。因此利用人工智能技术帮助教师实时获取学生情感状态,进而识别学生的学习状态,对于教师的教学活动组织、教学质量评估都有非常重要的作用。面部表情是人类情感最直接的表达,包含丰富的信息,能实时的反映出人的情绪状态,因此利用人工智能技术对学生面部表情进行识别可以实现学生学习状态的实时监测。本文提出一种基于卷积注意力的轻量级表情识别模型实现人脸表情识别,然后从教育心理学的角度提出通过PAD维度情感量表将基本表情转化为PAD值,进而使用PAD值对学生的学习状态进行评价。为了增加学习状态判定标准的多样性,引入了抬头率检测和疲劳状态检测进行辅助。抬头率检测基于人脸识别技术,通过计算系统检测到的人脸数与总人数的比值即可得到抬头率。疲劳状态检测基于人脸关键点检测,通过计算眼睛和嘴巴的纵横比识别眨眼和打哈欠,然后根据眨眼动作和打哈欠动作的频率与持续时间判断当前是否处于疲劳状态。最后将表情识别得到的学习状态、抬头率和疲劳状态这三者加权相加,综合评价学生的学习状态。本文以学习状态综合评价方法为基础,设计开发了可以运行于树莓派、PC等小型终端设备的实时学习状态监测系统,可以对本地视频或摄像头视频流进行实时检测。为了验证系统的有效性,将BNU-LSVED 2.0教学质量评价数据集中的序列图片合成视频开展验证实验,实验结果表明,本文所提出的基于面部表情识别的课堂学习状态检测方法能较为准确地识别出学生的学习状态,具备较强的实用性。