咽拭子采集机器人对采集人的表情识别、情绪表达等感知交互,对于咽拭子采集机器人成功执行任务具有重要的意义.咽拭子机器人采集到的数据样本在训练过程中要解决遮挡去除及微表情识别的拓展、自采集数据集的定义、关键帧识别及处理、表情分类及划定、交互集成等关键问题.针对以上问题,设计了一种高效自修复网络(efficient　self-cured　network,ESCN),构建了具有类识别人脸能力的特征提取加权模型,通过多尺度注意力机制捕捉受试者的面部表情区,通过重标签校正的线性聚合模型识别咽拭子采集者的面部表情.实验在真实数据集RAF-DB、FER2013和自采集数据集上进行验证.实验结果表明,ESCN比经典模型的准确率提升4.643～11.058个百分点,同时参数量相对较小,便于轻量化和集成.