自我宽恕的意义及其对教育的启示

通过回顾自我宽恕对个体发展的意义及对自我宽恕(self-forgiveness)的价值等方面存在争议进行的探讨,结合实际生活,进一步阐释了自我宽恕对个体身心健康以及主观幸福感的积极意义,从而提出自我宽恕研究对未来教育实践工作的启示。

西方自我宽恕模型研究进展

自我宽恕是个体在面对自己的、已认识到的错误时,愿意放弃对自己的不满,并给予自己同情、宽大和关爱的过程。自我宽恕及其模型的建构是积极心理学研究的重要内容。为了揭示自我宽恕的过程、路径与影响因素,研究者通过访谈、问卷等方法对自我宽恕进行了研究,并对自我宽恕模型进行了建构。在介绍、总结、比较Hall与Fincham的自我宽恕过程模型、Rangganadhan与Todorov的自我宽恕道德情绪模型,以及Macaskill的自我宽恕多重相关模型的基础上,深入分析和探讨了个体实现自我宽恕的路径与影响因素,提出了只有准确界定自我宽恕,提升研究方法与测量方式,才能为自我宽恕模型研究的深入提供充分条件。

农村初中生学业自我概念的发展及其对教育的启示

学业自我概念是指个体在学业情境中关于自己学业态度、学业成就感、学业目的、学业兴趣等方面的比较稳定的认知、体验和评价。学业自我概念对个体自我概念的发展和学习成绩的提高具有重要的影响。农村初中生学业自我概念包括一般学业自我概念、具体学业自我概念和学校情况三个方面;各维度之间相互独立。农村初中生的学业自我概念在年级上存在显著差异,并且呈现下降趋势,初一到初二变化较大,初二到初三较平缓;其中具体学业自我概念也存在显著的年级差异,呈现递减趋势。对农村初中生学业自我概念的教育建议主要包括重视评价的作用、将课堂教学中的集体干预与个别学生的心理辅导相结合等方面。

基于云服务架构的田间信息采集与分析系统设计

为了满足农田作物信息采集和分析服务的需求,将智能手机终端硬件、微信小程序软件与云服务平台相结合,设计了一款基于云服务架构的田间信息采集与分析系统。系统主要包括腾讯云服务器模块和手机微信小程序模块,其中,云服务器端使用MySQL搭建数据库,用于存储、处理和下载数据;使用CSS和JavaScript语言及小程序封装的组件开发微信小程序,用于交互实现数据的采集、上传与信息反馈。以田间小麦作物生物量指征参数调查为例,针对冠层覆盖度和植株行间距计算进行了系统应用测试。采集100幅出苗期的小麦冠层图像,由小程序端上传样本图像到后台处理。使用霍夫变换、图像掩膜和图像腐蚀获取定位图像后,利用HSV彩色空间突出样本像素点,计算冠层覆盖度;采用投影法和滤波法提取峰值,获取株行中心线,从而计算植株行间距。建立了图像识别像素株行间距与实测株间行距间的一元线性回归模型,建模精度R2达到0.911,可为田间作物信息检测和调查提供技术支持。

基于RGB-NIR图像匹配的作物光谱指数特征可视化分析

归一化植被指数(NDVI)基于可见光的红色波段(630~680nm)和近红外区(780~1 100nm)的反射光谱进行计算,被认为是作物营养与长势诊断的重要指标。为了低成本、快速、无损的检测作物叶绿素含量,计算植株的NDVI并呈现作物的NDVI分布情况,并通过不同角度图像的分析,监测作物营养分布与动态。利用可见光和近红外波段双目成像技术获取图像,在讨论可见光(RGB)和近红外(NIR)图像的匹配算法的基础上,经图像分割与光照影响校正后,针对不同测试角度建立了作物植被指数空间分布图,并对其空间分布特征与影响因素进行了可视化分析。试验利用可见光和近红外双目相机对51株玉米植株,分别在90°,54°和35°视角下同步采集RGB和NIR图像。对RGB和NIR图像分别进行高斯滤波和拉普拉斯算子增强预处理后,选取了SURF,SIFT和ORB共3种图像匹配算法,并首先利用其进行RGB-NIR图像匹配对齐,以匹配时间(Time),峰值信噪比(PSNR),信息熵(MI)和结构相似性(SSIM)4个参数作为匹配性能评价指标,分别从时间、准确性、稳定性三个方面综合确定最优匹配方法。其次,研究玉米植株的分割方法包括超绿算法(ExG)和最大类间方差算法(OTSU),分别实现图像中作物和背景的分离,提取分割后的RGB图像R(Red),G(Green),B(Blue)分量和NIR图像分量。基于HSI颜色模型,提取I分量讨论了光照对图像的影响,并利用多灰度级标准板建立了植株光谱反射率校正线性公式。然后,利用R(Red)和NIR图像分量计算图像中每个像素的NDVI值,绘制作物植被指数的空间分布图,从而对比分析了不同拍摄角度下光谱植被指数的分布特征。通过不同角度图像的NDVI分布情况,展示监测作物植株不同位置的叶绿素分布情况。结果显示,RGB-NIR图像匹配时间SIFT(1.865s)>SURF(1.412s)>ORB(1.121s),匹配准确性上SURF≈SIFT>ORB,匹配稳定性上SURF>SIFT>ORB,综合比较选取SURF为最优匹配算法。采用4灰度级标准板对R,G,B,NIR分量校正模型的R2分别为0.78,0.76,0.74,0.77。90°和35°视角分别展现了作物叶和茎的NDVI植被指数分布情况,可为分析和监测作物的营养分布提供技术支持。

作物叶片叶绿素动态监测系统设计与试验

为了实现作物生长过程中叶绿素的动态在线监测,设计开发了一款叶绿素在线检测传感器系统。应用可见-近红外(660、880nm)波段光谱检测植物叶绿素含量的体积小、功耗低的模块,通过AD转换电路、数字滤波电路得到叶片反射光数字信号,利用灰度板对反射光信号进行反射率校准,660nm和880nm波段的反射率校正模型的R2分别为0.9996和0.9995;取10个不同等级叶绿素溶液样本共80个,使用国标法检测叶绿素含量后将溶液倒入无纺布开展叶绿素梯度仿真测量。叶绿素检测模块测量双波长反射率后,分别计算归一化差值植被指数(NDVI)和叶绿素指标SPAD指数值。建立相应的叶绿素含量检测数学模型,其决定系数R2分别为0.9557、0.9587。开展活体植株叶绿素检测验证试验,叶片原位光谱测量后,再将叶片剪碎,使用国标法测量叶绿素真实值,检测样本与真实值的相关系数分别为0.8887、0.8745。进而开展在线动态监测试验,实时监测水肥胁迫组和正常水肥管理对照组玉米幼苗植株,监测90h内的叶绿素含量变化,可知,相同管理条件下植株叶绿素含量变化规律大致相同,受水肥胁迫的影响,水肥胁迫组的叶绿素浓度呈下降趋势。证明了传感器系统在线监测作物叶绿素动态的可行性,可为农作物生长与胁迫动态监测提供技术支持。

马铃薯叶片光化学吸收与反射光谱关联分析及检测

为开展马铃薯叶片PSⅡ叶绿素荧光参数无损检测研究,利用高光谱成像系统采集200个感兴趣区域样本点的光谱图像并提取反射率,使用封闭式叶绿素荧光成像系统采集相应样本点的qP值。采用SPXY算法将总样本按照2∶1的比例划分为建模集(135个样本)和验证集(65个样本),采用联合区间偏最小二乘法(Synergy interval partial least squares,siPLS)和随机蛙跳(Random frog,RF)算法各筛选出18个敏感波长,并用选择的特征波长建立偏最小二乘回归(Partial least squares regression,PLSR)模型。结果表明:siPLSPLSR模型的建模集决定系数R2c为0.6285,验证集决定系数R2v为0.6103;RFPLSR模型的建模集决定系数R2c为0.7093,验证集决定系数R2v为0.6872。结果表明利用RF算法筛选的特征波长对马铃薯叶片qP值检测的解释性优于siPLS算法,特征波长在518.72~640.64 nm、650~800 nm和850~1000 nm范围,体现了荧光发射信号是马铃薯作物光化学吸收qP值的重要响应特征,且叶片光化学吸收与叶绿素含量、叶片结构、水分含量等属性紧密关联。绘制叶片qP值分布图为分析马铃薯叶片光化学吸收和光合作用动态提供了直观的分析手段,可为马铃薯作物光合活性评价及复杂生理生化动态监测提供支持。

基于SVM模型算法和大数据分析技术的船舶设备故障诊断

为在船舶设备发生故障时能准确、及时地定位故障发生根源,保证船舶安全、经济运行,采用大数据分析方法和支持向量机(Support Vector Machine,SVM)模型算法对船舶设备进行故障诊断,提前预测可能发生的故障。以船舶柴油机滑油压力低故障为例,应用Python语言,通过SVM模型算法预测该故障的发生概率。结果表明,在已采集的船舶数据样本的训练集和测试集上,数据拟合和故障预测的效果十分理想,预测故障发生的准确率较高。