Las expresiones faciales se consideran a menudo los principales indicadores de emociones. Sin embargo, es difícil detectar emociones genuinas porque pueden ser controladas. Muchos estudios sobre el reconocimiento de emociones se han llevado a cabo activamente en los últimos años. En este estudio, diseñamos un modelo de red neuronal convolucional (CNN) y propusimos un algoritmo que combina el análisis de bioseñales con plantillas de expresiones faciales para predecir de manera efectiva estados emocionales. Utilizamos la arquitectura EfficientNet-B0 para el diseño y validación de la red, conocida por lograr un rendimiento máximo con parámetros mínimos. La precisión para el reconocimiento de emociones utilizando solo imágenes de expresiones faciales fue del 74%, mientras que la precisión para el reconocimiento de emociones combinando señales biológicas alcanzó el 88.2%. Estos resultados demuestran que integrar estos dos tipos de datos conduce a una precisión significativamente mejorada. Al combinar la imagen y las bioseñales capturadas en las expresiones faciales, nuestro modelo ofrece una comprensión más completa y precisa de los estados emocionales.