社会的高速发展不仅给人们带来各项红利,而且也会给人们带来越来越大的压力,我们每个人几乎都会遭遇各类消极事件,这样就会很容易造成不同程度的抑郁状况。抑郁具有复发率高、终身患病率高等特点,给社会、家庭及个人带来了极大危害。目前,抑郁检测主要采用主观量表为主,这种检测存在方法单一、主观性强等问题,而且需要医生较成熟的临床经验。基于此,为了客观识别抑郁早期特征,研究者已尝试基于非侵入式人工智能的方法对抑郁进行辅助识别。已有研究表明,语音是一种常见易得的行为线索,患有抑郁的个体其语音声学特征和抑郁症状存在显著相关,基于语音信号的抑郁辅诊识别已成为研究热点。然而,任何基于语音信号的建模识别研究都需要大量且优质的语料,语料的采集和管理是其研究的基础,基于语音信号的抑郁识别方法和技术研究也不例外。针对上述问题,本研究采用Java语言,利用Spring MVC开发框架,以及成熟的My SQL数据库,设计与实现了基于Android和B/S的抑郁语料采集和管理系统。使用手机App客户端进行语音数据等信息的收集,同时将采集到的数据上传至后端服务器,管理人员在Web端对语料进行管理与维护。本文的主要工作体现在以下几个方面:1.描述系统关键技术和需求分析。本文介绍了开发使用到的Android、B/S等相关技术,提出了采用Java语言,利用Spring MVC开发框架以及成熟的My SQL数据库的设计思路,设计与实现基于Android和B/S的抑郁语料采集和管理系统的基本方案,并对功能需求分析进行了简要论述。2.明确系统功能的设计与实现。通过需求分析,针对抑郁语料采集个体特点,明确了系统需要的功能。重点开发了App端语音数据采集、身份信息的采集、抑郁量表量的评测,最终将采集到的信息上传。Web端负责语音数据的基本管理与维护、系统用户的权限设置、文本语料的管理、以及评测量表的管理等几部分内容,并且通过E-R图和数据库结构描述了业务数据模型。3.对系统功能、兼容及并发性能等各方面测试和验证,并进一步完善系统。面向系统设计等要求,通过对系统功能、性能及兼容性等方面的测试,验证了该系统符合设计需求。同时,基于对已收集到的语音数据展开了初步的分类识别实验。实验结果表明,该系统不仅能够满足抑郁语料采集与管理的设计需求,而且能够支撑抑郁辅诊识别的实际研究需求。本文实现了一个初具规模的抑郁语料采集与管理系统。该系统实现了Android手机App端数据采集、上传,包括被采集个体抑郁自评得分、语音及身份数据等信息,和Web应用系统对语音数据的基本管理和维护,以及管理身份权限设置,量表的修改与切换等功能。本文所研究的系统基本满足日常抑郁语料数据的采集与管理要求,尤其是在疫情期间,可以为基于语音信号的抑郁建模识别研究补充一定的语料数据,具有一定的实际价值。