Para comunicarse de manera efectiva con las personas, los robots sociales deben ser capaces de detectar, interpretar y responder al afecto humano durante las interacciones humano-robot (IHR). Para detectar con precisión el afecto del usuario durante las IHR, es necesario desarrollar técnicas de elicitud de afecto para crear y entrenar modelos de detección de afecto apropiados. En este artículo, presentamos un método novedoso de elicitud y detección de afecto para robots sociales en IHR. Se diseñaron comportamientos emocionales no verbales del robot social para elicitar el afecto del usuario, que se midió directamente a través de señales de electroencefalografía (EEG). Se realizaron experimentos de IHR con adultos jóvenes y mayores para evaluar nuestra técnica de elicitud de afecto y comparar los dos tipos de modelos de detección de afecto que desarrollamos y entrenamos utilizando redes neuronales de perceptrón multicapa (NN) y máquinas de soporte vectorial (SVM). Los resultados mostraron que, en promedio, la valencia y la excitación autoinformadas eran consistentes con el afecto elicitedo previsto. Además, también se observó que los datos de EEG obtenidos podrían utilizarse para entrenar modelos de detección de afecto, logrando los modelos de NN tasas de clasificación más altas.