基于MobileNet的人脸表情识别系统可以分为以下几个步骤：
1. 数据集准备：收集包含人脸表情的图片数据集，并将其标注为不同的表情类别。
2. 数据预处理：对数据集进行预处理，包括图像缩放、裁剪、归一化等操作，以便于后续模型训练。
3. 模型选择：选择适合人脸表情识别任务的模型，MobileNet是一种轻量级的卷积神经网络，适合在移动设备上进行实时的人脸表情识别。
4. 模型训练：使用准备好的数据集对模型进行训练，通过反向传播算法不断调整模型参数，使得模型能够更好地识别不同的表情。
5. 模型评估：使用测试集对训练好的模型进行评估，计算模型的准确率、召回率等指标，以评估模型的性能。
6. 模型部署：将训练好的模型部署到移动设备上，实现实时的人脸表情识别功能。
需要注意的是，在实际应用中，还需要考虑到人脸检测、人脸对齐等问题，以提高人脸表情识别的准确率和鲁棒性。