Intelligent Monitoring of Power Maintenance Engineering Based on Improved Faster R-CNN
-
摘要:
提出一种改进Faster R-CNN的目标检测模型用于智能化电力检修工程，构建了电力检修设备的数据集，并对其进行了数据清洗和数据增强。为了提高模型对被物体在遮挡以及复杂背景情况的识别能力，在模型中嵌入了精心设计的ESAM注意力模块，优化了模型的特征提取能力。ESAM注意力模块通过多尺度处理和跨空间学习方法，在保持计算效率的同时，能够更好地捕捉和利用图像特征中的重要信息，从而提高模型的整体性能。设计了多组实验并可视化模型效果，实验结果进一步验证了模型的有效性。该研究对于提高电力检修工作的效率和质量，保障电力系统的安全运行，从而支撑“双碳”目标的实现，具有一定的理论意义和实际价值。
Abstract:An improved Faster R-CNN object detection model is proposed for intelligent power maintenance engineering. A dataset of power maintenance equipment was constructed, along with data cleaning and data augmentation. An attention module designed to optimize feature extraction has been incorporated into the model to enhance recognition of occluded and complex background objects. Through multi-scale processing and cross-space learning methods, the model is able to capture and utilize critical information in the image features while maintaining computational efficiency, thereby improving overall performance. Several experiments were designed and the model effects visualized. The experimental results further validate the effectiveness of the model. This research holds theoretical significance and practical value for enhancing the efficiency and quality of power maintenance work, ensuring the safe operation of power systems, and supporting the realization of the "Dual Carbon" goals.
-
Keywords:
- power maintenance /
- "Dual Carbon" policy /
- data augmentation /
- multiscale processing
-
传统村落是从中国农耕历史中演化而来，至今仍承载着深厚的中华历史文化且具有多重价值的村落，应予以重视和保护[1]。传统村落非物质文化是传统村落居民在长期生产生活中总结的民族智慧和集体记忆，在乡村城镇化和社会经济转型发展过程中，传统村落非物质文化的生存条件遭到破坏，正处于着重塑和消亡的困境[2]，保护与传承传统村落非物质文化迫在眉睫。因此，国家出台了一系列政策措施。中共中央办公厅和国务院办公厅明确指出，要重视非物质文化遗产的保护、传承和利用，并将其融入国民教育体系[3]。相关学术研究也成为研究热点，但需对传统村落中“人”的行为研究给予更多关注。
学校是传统村落非物质文化传承中最重要的场域，学校传承则是传统村落非物质文化传承最有效的方式[4]。成人和学生作为学校传承涉及的两大核心主体，成年传承人愿意“传授”和学生传承人愿意“继承”是代际传承最理想的状态[5]。在国家的行政征召下，我国开展传统村落非物质文化传承的学校越来越多。但从长期实践来看，学校传承内容应该如何选择、学生参与学校传承的意愿如何以及影响学生参与传承的因素有哪些等问题的探讨，不仅关乎学生对地域文化的认同，也关乎学生文化自豪感与荣誉感的强化，还关乎其学校传承的可持续发展[6]。而当前的研究主要从单一学科对民族教育和文化遗产进行探讨，缺少从文化地理学、社会学和心理学等多学科融合视角做出有针对性的实证探讨。
本文以湖南省通道侗族自治县(以下简称通道县)的9所小学为例，基于计划行为理论对传统村落非物质文化景观基因学校传承的机制进行探究，编码剖析学生的传承态度、主观规范和知觉行为控制如何在学校传承中影响学生的传承行为意愿。以期丰富景观基因理论在传统村落非物质文化传承的相关研究，为政府制定传统村落非物质文化传承相关政策提供科学参考。
1. 文献回顾与研究框架
1.1 文献回顾
1.1.1 文化景观基因的相关研究
文化景观基因是传统村落中某一文化景观区别于其它文化景观的文化因子，与生物学中“基因”一样，具有遗传、变异、复制等特点[7]。当前文化景观基因的相关研究主要包括以下2个方面：(1)文化景观基因的理论研究。包括了传统村落文化景观基因的识别[8]、提取[9]、分类[10]、基因图谱的构建与表达[11]、传统聚落景观区划[12]等研究。(2)文化景观基因的应用研究。主要被实践应用到文化遗产的保护与传承[2、13]、城乡景观的规划与营造[14]、旅游规划与开发[15]等领域中。
1.1.2 非物质文化景观基因传承的相关研究
非物质文化景观基因是文化景观基因中具有优势性和代表性的非物质文化因子，也是传统村落优秀文化的“基因集合”，更是地域特色文化、民族身份建构和当地居民情感的重要载体[16]。鉴于非物质文化景观基因的多重价值及其保护与传承的重要性和紧迫性[17]，学界关于非物质文化景观基因传承的相关研究成果越来越丰富，包括传承技术[18]、传承路径[19]、传承过程[20]、传承机制[21]、传承评价[1、22]等。
总的来看，当前非物质文化景观基因传承的研究主要聚焦村落或景观场域，对非遗传承人、当地居民和外来游客等关注较多，而对学校场域的关注较少，特别是学校场域中的学生关注不够。而学校场域是传统村落非物质文化景观基因传承特别重要的场域，学生是传承的关键人群，学生时代更是传承的重要时期。因此，借助相关理论分析框架，开展传统村落非物质文化景观基因的学校学生传承意向影响因素及传承机制研究就显得尤为重要。
1.2 研究框架
Icek Ajzen提出的计划行为理论，在社会心理学研究领域得到广泛应用。该理论指出个体实际行为受行为意向的控制，而行为意向由多因素共同影响，包括行为态度、主观规范和知觉行为控制3个方面(图 1)[23]。信念是传承意向的前因变量，在一定时空条件下，只有部分信念能被获取，定义为凸显信念。行为态度指个体执行某一行为时的内心态度；主观规范指个体执行某一行为时产生的社会压力；知觉行为控制指个体执行某一行为时感知的难易程度[24]。
鉴于计划行为理论对个体执行某一行为意向的强解释力和预测性，众多领域学者验证了计划行为理论在行为预测领域的解释能力。就计划行为理论应用在代际传承中的研究而言，在企业接班[24]、遗产保护参与[25]、音乐参与[26]等实证研究中均有涉及，为研究者解释传承者的行为决策提供理论支撑。因此，计划行为理论能为本研究探析传统村落非物质文化景观基因学校学生传承的影响因素和影响机制，提供合适的研究视角。
2. 研究方法与数据处理
2.1 研究区概况
通道县位于湖南省西南部，总面积22.39 km2，辖13乡8镇1 600多个行政村，总人口201 047人(据第七次人口普查)，其中侗族人口占总人口的78.3%，是侗族主要聚居区，其中被列入中国传统村落名录的有28个。实地调研发现，通道县共有小学22所，其中有17所小学组织开展了非物质文化景观基因的学校传承教习。主要形式有编撰校本课程资料、聘请传承人到校常态化教授、联动高校或科研机构研究、参加全国展演和比赛等方式。此外，在中华优秀传统文化传承工程进程中，未来还将有更多学校加入非物质文化景观基因的学校传承之中。因此，选取通道县作为本研究案例区，具有一定代表性和典型性(图 2)。
![]()
图 2 通道县9所案例小学区位图Figure 2. The location map of the nine case-site elementary schools in Tongdao County2.2 非物质文化景观基因的识别与选取
案例区的村落基本为侗族传统村落，侗族传统村落的非物质文化景观特别丰富，其非物质文化景观基因的识别主要从传统音乐、传统舞蹈、传统服饰、传统手工艺、传统武术等5个方面和心理、生态、美学、环境、文化、时序六大要素进行，遵循3个唯一性和总体优势原则，采用比较法、观察法和资料记录法进行识别[8-9]，最终得到传统村落非物质文化景观基因为侗族大歌、侗族多耶舞、侗族服饰、侗锦和侗拳。通过对17个传承小学调查发现，不同学校传承的非物质文化景观基因存在一定差异，但开展侗族大歌传承的学校最多，共9所(图 2)。另外，不同非物质文化景观基因的传承难度也有差异，从而影响传承广度，如侗锦和侗拳由于传承难度较大导致参与人数较少。因此，本研究选取代表性强和覆盖性广的侗族大歌作为非物质文化景观基因代表(表 1)。
表 1 通道县传统村落非物质文化景观基因的小学传承情况一览表Table 1. The list of primary school inheritance of landscape genes of intangible culture in traditional villages in Tongdao County序号 学校名称 传承的非物质文化景观基因 1 通道第二完全小学 侗族大歌、侗族多耶舞、侗族服饰 2 坪坦乡中心小学 侗族大歌、侗族多耶舞、侗族服饰 3 黄土乡完全小学 侗族大歌、侗族多耶舞、侗族服饰 4 志和小学 侗族大歌 5 陇城镇中心小学 侗族大歌 6 牙屯堡镇中心小学 侗族大歌、侗拳 7 杉木桥完全小学 侗族大歌 8 下乡明德小学 侗族大歌 9 菁芜洲中心小学 侗族大歌 10 礼雅小学 侗族多耶舞、侗族服饰 11 溪口镇中心小学 侗族多耶舞 12 独坡镇中心小学 侗族多耶舞 13 万佛山镇中心小学 侗族多耶舞 14 播阳镇中心小学 侗族多耶舞 15 通道第一完全小学 侗锦 16 江口完全小学 侗锦 17 甘溪完全小学 侗拳 2.3 研究方法
扎根理论由Glaser和Straus共同提出，采用该理论进行研究，先前无需做出假设，而是通过实地调查、文献分析和调查者的经验，综合分析和比较后提取、归纳出与研究目标有关的概念，将其概念范畴化得到的实质理论[27]。本文基于扎根研究方法，将与学生的深度访谈数据收集整理后，对其概念和范畴进行编码提炼，最终探索传统村落非物质文化景观基因学校传承机制。
2.4 数据收集与处理
本文访谈对象确定为通道县9所学校的学生，访谈提纲在团队成员的文献整理和2次预调研基础上设计完成。第一次调研为预调研(2021年1月9日—15日)，针对传统村落非物质文化景观基因传承的课题，前往通道县进行实地调查，发现了传统村落非物质文化景观基因代际传承的现象，随之进行了初步观察。整理调研资料后，选定“传统村落非物质文化景观基因学校传承”为研究切入点，并确定9所侗族大歌传承小学作为研究对象。第二次调研为正式调研(2021年10月6日—12日)，课题组通过一手资料了解到三至六年级学生为传统村落非物质文化景观基因学校传承的主要传习对象，接着以“传统村落非物质文化景观基因学校传承”为主题对9所小学三至六年级学生展开深度访谈。
最终对24个已完成或正在进行传统村落非物质文化景观基因学校传承的学生完成深度访谈，并保证新谈话内容满足饱和条件。访谈对象中男性11人、女性13人，具体信息见表 2(A01~A24)。访谈内容从两方面展开：一是访谈学生的基本信息，包括学生年级、民族、传承时长等；二是“是什么促使您参与或不参与学校传习”、“有什么因素会促进或阻碍您的传习行为”等。课题组成员与学校领导沟通后进入学校，经班主任老师和学生传承人同意的情况下，展开30 min左右的访谈，并通过录音的方式记录。经整理后，共得到录音文本材料80 264字。为保证样本量饱和，团队成员还对学校领导、老师、传承人等进行访谈，以佐证学生所谈属实。最终从24个样本中，随机抽取20个样本用于编码分析，其余4个样本(A04、A10、A14、A20)用于理论饱和度检验。
表 2 访谈学生传承人样本基本信息Table 2. The basic information of the sampled student inheritors编号 性别 年龄/岁 民族 年级 学校 传承时长/年 A01 男 9 侗 四 坪坦乡中心小学 2.0 A02 女 10 侗 四 黄土乡完全小学 2.0 A03 女 10 侗 四 通道第二完全小学 1.5 A04 女 12 侗 六 陇城镇中心小学 2.0 A05 男 11 侗 五 坪坦乡中心小学 2.5 A06 男 10 侗 四 黄土乡完全小学 2.0 A07 女 11 侗 五 杉木桥完全小学 1.5 A08 女 8 侗 三 牙屯堡镇中心小学 0.5 A09 男 12 侗 六 通道第二完全小学 3.0 A10 男 10 侗 四 志和小学 1.0 A11 女 8 侗 三 通道第二完全小学 1.0 A12 男 12 侗 六 下乡明德小学 2.5 A13 女 11 侗 五 坪坦乡中心小学 2.5 A14 女 10 侗 五 杉木桥完全小学 2.0 A15 男 8 侗 三 通道第二完全小学 1.0 A16 女 11 侗 五 下乡明德小学 0.5 A17 男 12 侗 六 黄土乡完全小学 3.0 A18 男 11 侗 五 坪坦乡中心小学 2.0 A19 女 8 侗 三 牙屯堡镇中心小学 0.5 A20 男 9 侗 三 菁芜洲中心小学 1.5 A21 女 9 侗 四 杉木桥完全小学 1.5 A22 男 10 侗 四 陇城镇中心小学 1.0 A23 女 13 侗 六 志和小学 1.0 A24 女 11 侗 五 菁芜洲中心小学 0.5 3. 机制分析
3.1 机制的模型构建
3.1.1 开放性编码
开放性编码是将访谈文字中无关语句剔除后，对转化后的文本进行逐句编码的过程。首先，对原始访谈语句进行概念化提炼，即将语句转化为与其含义相近的总结，得到62个初始概念；其次，依据语义和逻辑关系对初始概念进行合并、归类和概念化处理，形成进一步抽象化的范畴。最终获得了15个范畴，分别为：技艺获得、利益获得、兴趣爱好、民族身份、基因认知、老师引导、人际交往、从众心理、年龄成长、生活经历、父母性格、性格特点、学习经历、教习模式、技艺竞争。开放性编码结果见表 3。
表 3 开放性编码结果Table 3. The results of open coding编号 原始语句 概念 范畴 A21 虽然我不知道侗族大歌是什么，但是我感觉还挺有趣的。 感兴趣 A23 我经常听侗族大歌，我也很喜欢唱。 自己爱好 兴趣爱好 A23 音乐老师夸我嗓子好，还鼓励我去参加侗族大歌的兴趣班。 老师推荐 A19 一开始班上没什么人报名参加，老师让小组长带头报名。 老师要求 老师引导 A13 我们练好了可以参加学校六一儿童节表演，之前我还和老师去长沙录节目了呢，同学们都很羡慕我。 展演机会 A18 要是参加比赛获了奖，学校会给我们发奖状和奖品，我之前还参加了“三独”比赛拿了一等奖，我当然要参加了。 评选荣誉 A17 没有疫情的时候我还能去参加表演活动，赚点钱，但这两年活动少了很多。 奖金收入 利益获得 A03 之前我姑姑问我会不会唱侗族大歌，我说不会唱。她说你们老师没教你们吗，我们家好像就你不会唱，我很不好意思。 不会唱遭受嘲笑 生活经历 A02 我同学之前和我说他们学校侗族大歌的学习很有意思，我们学校可以报名学习的时候，我第一个跟班主任说我要参加。 同辈推荐 A15 和我玩的好的同学说唱大歌很好玩，所以我也来试试。 班级同学推荐 人际交往 A05 每学期老师都会教一两首新的侗族大歌，我的同学他们都不会唱，就我会。 学唱侗族大歌 A24 平时我只说普通话，学习侗族大歌时，我可以学到侗话。 学说侗话 技艺获得 A22 我从小就知道我是侗族的，老师有时都叫我们侗娃。 侗族人 A09 像我们侗族人就应该会唱侗族大歌，至少都会哼几句。 民族认同 A24 唱侗族大歌的时候穿的衣服好好看，我也想穿这么好看的衣服。 民族服饰 民族身份 A09 我三年级的时候看到了好多家里面的人在表演，好好听，所以我现在也来参加学习。 看到表演很精彩想了解 A16 这是我们五年级的一个集体表演，班上同学都去唱了。 全班都参加 从众心理 A06 我爸爸妈妈都是皇都村的表演演员，他们让我在学校也跟着老师一起学，以后还能出去一起唱。 父母强势 A19 爸爸妈妈同意我参加，还让我多向老师学习。 父母随和 父母性格 A12 奶奶从小就教我唱侗族大歌，我现在在班里还能当老师的小助手。 音乐基础 A06 我妈妈是侗族大歌表演队的演员，我之前和她上过舞台。 舞台基础 学习经历 A17 皇都的景色太美了！湖南卫视之前还拍了皇都村的表演，上了电视，抖音上我都能经常刷到我们侗族大歌的表演视频。 数字媒体宣传 A18 每周三下午最后一节课吴老师都会来教我们，我们班同学一到周三下午就很兴奋。 教习时间固定 教习模式 A01 老师上第一节课就告诉过我们侗族大歌是我们的无价之宝，还说要我们接住这块宝。课上大家学得都很开心。 价值和功能的认知 A07 老师告诉我们要热爱自己的民族，要热爱我们的侗族文化。 文化自信 A05 你看学校的宣传栏上，好几处都贴了侗族大歌的宣传海报。 校园氛围 基因认知 A16 三~四年级的时候，我什么也不懂，成天只知道玩。 中年级 A23 我是五年级的时候开始学习侗族大歌的，最初那会感觉还不如四年级的同学会唱，不过后来就慢慢学会了。 高年级 年龄成长 A23 每当我唱侗族大歌的时候，老师总是会夸我唱得好，还让我给大家做示范，我比以前更加自信了。 自信 A11 学习侗族大歌可以让我多与老师同学交流，让我变得更外向和阳光。 外向 性格特点 A08 进学校侗族大歌表演队是要经过选拔的，考核不通过就会被刷下去。 技艺操作竞争 A11 练好了，期末老师会让不同班级之间PK，每个班都很想赢。 技艺比赛竞争 技艺竞争 3.1.2 主轴编码
主轴编码是建立抽象化范畴的内在联系过程。通过将范畴放回资料现场、比较和论证范畴间的逻辑后，关联成主范畴。在计划行为理论的研究框架下，通过主轴编码将15个初始概念归结为8个副范畴和3个主范畴(表 4)。
表 4 主轴编码形成的主范畴Table 4. The primary and corresponding domain主范畴 副范畴 对应范畴 关系内涵 传承态度 工具态度 技艺获得 学唱侗族大歌、学说侗话 利益获得 展演机会、评选荣誉、奖金收入 符号态度 兴趣爱好 感兴趣、自己爱好 民族身份 侗族人、民族认同、民族服饰 主观规范 学校强制规范 基因认知 价值和功能的认知、文化自信、校园氛围 老师引导 老师推荐、老师要求 同学示范规范 人际交往 同辈推荐、班级同学推荐 从众心理 看到表演很精彩想了解、全班都参加 学生个人规范 年龄成长 中年级、高年级 生活经历 不会唱遭受嘲笑 父母示范规范 父母性格 父母强势、父母随和 知觉行为控制 自我效能感 性格特点 自信、外向 学习经历 音乐基础、舞台基础 外部控制力 教习模式 数字媒体宣传、教习时间固定 技艺竞争 技艺操作竞争、技艺比赛竞争 3.1.3 选择性编码
选择性编码是从主范畴中提炼核心范畴的过程，两者通过一条的完整故事线串联起来，构成了传统村落非物质文化景观基因学生传承行为影响机制模型(图 3)。故事线中的传承意向影响了传承行为，而传承行为又受到主范畴传承态度、主观规范和知觉行为控制3个维度的共同影响。
![]()
图 3 传统村落非物质文化景观基因学生传承行为影响机制模型Figure 3. The model of the influence mechanism of the students' behavior in inheriting landscape genes of intangible culture in traditional villages3.1.4 理论饱和度检验
重复前述编码步骤，依次对随机抽取的4个样本数据进行编码分析，表明没有产生新概念、新范畴。因此，可以认为上述传统村落非物质文化景观基因学校传承机制模型已经达到理论饱和。
3.2 机制的模型阐述
3.2.1 传承态度
传承态度指学生面对非物质文化景观基因(侗族大歌)学校传承时的内心参与偏好，通过影响传承意愿进一步对学生传承行为产生影响。通过对学生侗族大歌传承态度的调查(图 4)研究发现：传承态度对侗族大歌学生传承行为的影响主要体现在工具态度和符号态度。
![]()
图 4 学生侗族大歌传承态度调查Figure 4. The investigation into student's altitude towards the inheritance of Dong minority chorus工具态度指外界物质对学生传承想法的影响，即学生对参与侗族大歌的学校传承行为所形成的正面或负面心理评价。研究发现：工具态度对侗族大歌学生传承行为的影响主要体现在技艺获得、利益获得两个方面。当学生为传承的核心受益者时，其更容易产生学校传承意愿。一方面，对普通话普及程度高的学校学生而言，侗族大歌的传习可以满足学生侗话水平提高的需求，进而更倾向于传承。另一方面，对于在学校仅学习文化知识而言，学生参与侗族大歌的传承可以掌握相关技艺，且有机会获得展演、荣誉评选、奖金收入等。A06：“参加了学校侗族大歌学习的同学，可以在期末总分上加5分，还是挺吸引人的。”
符号态度指学生对传承侗族大歌的直观感受，即执行传承行为是喜欢或厌恶的心理评价。研究发现，符号态度受到传承学生的兴趣爱好、民族身份共同影响。兴趣爱好指传承学生对侗族大歌传习的心理倾向，对学校组织的传习活动越感兴趣，学生传承人传承行为的倾向性越强。A09：“如果我不喜欢的话，我就不会参加。”民族身份代表从认知、情感、态度和行为等方面对个体身份属性的认可。调研中发现，侗族大歌的传承学生对他们的居住地具有较强的地方归属感，认同自己是侗族人，愿意穿上统一的侗族服饰参与传习。A16：“我是侗族人，学习我们民族的特色文化是应该的。”
3.2.2 主观规范
主观规范指学生感知到重要他人对自身参与非物质文化景观基因(侗族大歌)学校传承行为决策时的社会压力。在侗族大歌的学校传承实际决策中，学生会主动或被动地受到外界的压力影响。研究发现：主观规范对侗族大歌学生传承行为的影响主要体现在学校强制规范、同学示范规范、学生个人规范和父母示范规范4个方面。
学校强制规范指学校成年传承人强制规范学生传承人传习(图 5)，包括了价值和功能的认知、文化自信、校园氛围、老师推荐、老师要求等内容。在中国学校这一传承空间中，古往今来讲究尊师重道。因此，成年传承人具有较大知识权利，主导了学校空间的规训关系[5]。A03：“老师在课上带着我们一句一句地唱，直到全部学会。”当学生传承人年龄较小、认知不足，缺少传承氛围的时候，老师会通过推荐学生和要求学生参与传习，促使学生产生传承意愿。A09：“我们老师问我：要不要来参加侗族大歌的学习啊，老师觉得你很合适。”
![]()
图 5 传承人带领学生练唱侗族大歌Figure 5. The inheritor leading students to practice singing Dong minority chorus同学示范规范指重要个体(同辈朋友和周围同学)对未参与学校传承学生的一种示范效应。学生传承人会随着群体规范(主要有人际交往、从众心理)，主观或从众地表现出符合学生期待的传承行为。人际交往指学生通过一定形式的情感和语言表达，与其他学生产生社会联系的过程。当学生的人际交往所建立的联系越深和越广时，学生很大程度会因人际交往的压力，提升学校传承行为意愿。A16：“只有我朋友们都参加我才去。”从众心理指学生在受到外界同学的行为影响下，表现出与舆论或大多数人同样的行为方式，这种现象在学生传承行为影响中较普遍。A10：“老师会让高年级的同学来班上给我们表演侗族大歌，一开始没太多人报名，但后来报名的人确实变多了。”
学生个人规范指学生传承人对自身应承担的责任和义务的认知和感受到的压力。随着学生年龄的增长，他们对侗族大歌的认知不断加深，逐渐认识到参与传承侗族大歌是其肩负的时代使命。A18：“我一直都不太明白什么是侗族大歌，直到我五年级的时候去皇都村看了表演，觉得他们很好听，我也想学。”同时，如周围人的嘲笑等社会化的成长经历，对学生传承行为也产生了一定压力。A11：“我玩的好的同学都参加了，我是因为他们去所以才参加的，不去他们会说我不合群。”
父母示范规范指父母以“指令”的形式要求学生参与学校传承。学生因年龄较小对事物的决策依赖父母，同时出于孝道等因素，对父母的意见比较尊重。当父母会唱侗族大歌或父母性格比较强势时，可能会对学生参与学校侗族大歌传习提出要求，父母示范规范强烈的甚至会在以教唱等形式，促使学生传承意愿的产生。A08：“我爸我妈都是侗族人，都会唱侗族大歌，他们知道学校会教，但回家了还是会带着我一起唱。”
3.2.3 知觉行为控制
知觉行为控制是指学生在传承非物质文化景观基因时所感知到的难易程度，反映的是学生对参与侗族大歌传承行为的难易感知程度。即知觉行为控制越强，学生所感知到的不可控因素越少，越容易实现侗族大歌的学校传承。研究发现：知觉行为控制主要由自我效能感和外部控制力构成。
自我效能感指学生对自身是否能完成侗族大歌传承的能力感知程度。研究发现：自我效能感主要受性格特点和学习经历的影响，学生对自身的传承能力和基础越自信，越乐意参与学校的侗族大歌传习。性格特点指学生在传承侗族大歌时表现的态度和行为方式，是一种较稳定的心理状态。多数学生在访谈中表示自己性格外向，乐意与老师及同学沟通和交朋友，因此愿意传习侗族大歌。A12：“我们班有些同学很害羞，不敢大胆展示自己，但我不害怕。”学习经历指学生在以往学习中亲身见过或参与过的侗族大歌经历。当学生感知到自己掌握充分的侗族大歌所需的知识和技能时，会认为参与侗族大歌传承的阻碍很小，进而产生更强的传承意愿。A12：“我一直在学民歌，所以学习侗族大歌对我来说不算难。”
外部控制力指学生感知到的会对自己参与侗族大歌学校传承行为有促进或阻碍的外部因素，包括学校的教习模式、技艺竞争。教习模式指学校具体的教习指导形式对学生参与侗族大歌传习的影响。当学校的教习时间规律、教习场所相对固定时，能提高学生传承人对参与侗族大歌传承的行为。A05：“我们主要是在音乐课上学的侗族大歌，每个学期大约学会四首歌。”技艺竞争指学校为侗族大歌传承开展的展演比赛和技能竞争(图 6)，是学生参与学校传承的外在驱动力。众多学生认为开展技艺竞争能激发他们的好胜心，同时班级或团队之间的竞争能展现集体精神。A12：“我们全班都参加学习，我们是代替班级出战。”
![]()
图 6 学生参加通道县侗族大歌节比赛Figure 6. The students participating in the competition of Dong Minority Chorus Festival in Tongdao County4. 结论与讨论
4.1 结论
本研究选取通道县为案例地，在计划行为理论的分析框架上，对9所正在经历侗族大歌传承的学校学生，进行扎根编码研究，得出如下结论：(1)传承态度、主观规范和知觉行为控制是学生传承意愿形成的三大主要影响因素，并通过传承意愿进一步影响传承行为；(2)传承态度由工具态度和符号态度构成。工具态度受利益获得的突显信念为技艺获得和利益获得，符号态度的突显信念为兴趣爱好和民族身份；(3)主观规范由学校强制规范、同学示范规范、学生个人规范和父母示范规范共同构成。学校强制规范的突显信念为基因认知和老师引导，同学示范规范的突显信念为人际交往和从众心理，学生个人规范的突显信念为年龄成长和生活经历，父母示范规范的突显信念为父母性格；(4)知觉行为控制由自我效能感和外部控制力构成，前者的突显信念包括性格特点和学习经历，后者的突显信念包括教习模式和技艺竞争。
4.2 讨论
通过计划行为理论框架对传统村落非物质文化景观基因的学生传承行为进行研究，能够解释学生传承人的传承态度差异以及主观规范和知觉行为控制的影响因素，也为后续提升学生传承意愿、促进传统村落非物质文化景观基因的传承提供理论和实践指导。基于本研究的探索和发现，可以从以下三个方面着重提升：(1)引导学生传承人形成正向的传承态度。学生传承态度越积极，学生传承意愿就越强烈。首先应充分考虑学生的传承兴趣点，提升学生对传统村落非物质文化景观基因传承的认知程度和兴趣爱好。其次学校应加强学校传承的重视程度，让学生有更多利益获得，促使学生形成积极的传承态度。(2)加强学生传承人的主体规范作用。学校教师等成年传承人(重要他人)对学生传承人的支持度越高，学生传承意愿就越强烈。因此，可以多关注学生传承人的成长和进步，建立良好的传承互动；可以鼓励学生传承人通过合作互助学习的方式，表达其想法和意见；可采取家庭、学校和社会多方联动，营造一个支持性的传承环境。(3)强化学生传承人的知觉行为控制。学生传承人的知觉行为控制越强，其传承意愿越强。因此，学校和政府可以增加专项资金、师资力量等的投入，加强对学生传承人的传承教育，为其提供更多技艺操作和展演表现的舞台。同时，成年传承人可以强化学生传承人对自身能力的积极认知，及时调整传承策略和传承评价标准。
本文也存在一些不足之处。首先，本研究仅选择通道县作为研究案例地，未来可以尝试探讨不同区域的传统村落非物质文化景观基因学校传承的影响因素是否存在差异。其次，本研究聚焦于传统村落非物质文化景观基因学校传承的影响因素探索，未来可以深化研究分析识别出哪些因素更关键、更重要。最后，传统村落非物质文化景观基因学生传承行为影响机制有待深化和进一步梳理，特别是理论框架研究下三大主要影响因素之间的关系。
-
![]()
图 4 改进后的Faster R-CNN网络结构图
Figure 4. The improved Faster R-CNN network structure diagram
表 1 对比实验结果
Table 1 Results of comparison experiments
模型 mAP mAP_50 每秒浮点数G 参数量M Faster R-CNN(baseline) 90.51 90.50 76.29 41.36 YOLOV5-n[15] 72.90 89.00 4.10 1.77 YOLOV5-l[15] 82.70 92.10 107.70 46.12 Sparse R-CNN[16] 71.10 84.10 56.00 106.00 Cascade R-CNN[17] 77.70 90.80 99.97 69.16 DINO[18] 83.90 91.60 100.00 47.46 Faster R-CNN + EMA[13] 91.46 91.85 79.24 42.15 Faster R-CNN+ESAM(本文) 93.47 93.50 80.14 42.23 
下载: 导出CSV
表 3 消融实验结果
Table 3 Results of ablation experiments
模型 mAP mAP_50 每秒浮点数G 参数量M Faster R-CNN(baseline) 90.51 90.50 76.29 41.36 Faster R-CNN+DA 92.09 92.10 76.29 41.36 Faster R-CNN+ESAM 93.47 93.50 80.14 42.23 Faster R-CNN++DA+ESAM 94.17 94.20 81.04 42.23
下载: 导出CSV
-
[1] 隋宇, 宁平凡, 牛萍娟, 等. 面向架空输电线路的挂载无人机电力巡检技术研究综述[J]. 电网技术, 2021, 45(9): 3636-3648. SUI Y, NING P F, NIU P J, et al. A review of research on mounted UAV power inspection technology for overhead transmission lines[J]. Power System Technology, 2021, 45(9): 3636-3648.
[2] 刘欢. 电力线路无人机巡检图像的目标检测与缺陷识别[D]. 武汉: 华中科技大学, 2023. LIU H. Target detection and defect recognition of power line UAV inspection images[D]. Wuhan: Huazhong University of Science and Technology, 2023.
[3] 丘灵华, 朱铮涛. 基于深度学习的输电线路绝缘子缺陷检测研究[J]. 计算机应用研究, 2020, 37(S1): 358-360;365. QIU L H, ZHU Z T. Research on insulator defect detection of transmission line based on deep learning[J]. Application Research of Computers, 2020, 37(S1): 358-360;365.
[4] 郑含博, 崔耀辉, 李金恒, 等. 基于深度学习模型的电力设备红外目标检测与诊断方法: CN202210205071[P]. 2023-12-10. ZHENG H B, CUI Y H, LI J H, et al. Infrared target detection and diagnosis method for power equipment based on deep learning model: CN202210205071[P]. 2023-12-10.
[5] 廖恩红, 李会芳, 王华, 等. 基于卷积神经网络的食品图像识别[J]. 华南师范大学学报(自然科学版), 2019, 51(4): 113-119. LIAO E H, LI H F, WANG H, et al. Food image recognition based on convolutional neural network[J]. Journal of South China Normal University (Natural Science Edition), 2019, 51(4): 113-119.
[6] 屈文谦, 邱志斌, 廖才波, 等. 基于YOLOv3的电网作业人员安全帽佩戴检测[J]. 中国安全生产科学技术, 2022, 18(2): 214-219. QU W Q, QIU Z B, LIAO C B, et al. Safety helmet wearing detection of power grid workers based on YOLOv3[J]. Journal of Safety Science and Technology, 2022, 18(2): 214-219.
[7] GIRSHICK R. Rich feature hierarchies for accurate object detection and semantic segmentation[C]//2014 IEEE Conference on Computer Vision and Pattern Recognition. Columbus: IEEE, 2013: 580-587.
[8] GIRSHICK R. Fast R-CNN[C]//Proceedings of the IEEE international conference on computer vision. Santiago: IEEE, 2015: 1440-1448.
[9] REN S, HE K, GIRSHICK R, et al. Faster R-CNN: towards real-time object detection with region proposal networks[J]. Advances in Neural Information Processing Systems, 2015, 28: 91-99.
[10] EVERINGHAM M, van GOOL L, WILLIAMS C K I, et al. The pascal visual object classes (VOC) challenge[J]. International Journal of Computer Vision, 2010, 88: 303-338.
[11] LIN T Y, MAIRE M, BELONGIE S, et al. Microsoft coco: common objects in context[C]//Computer Vision-ECCV 2014: 13th European Conference. Zurich: Springer International Publishing, 2014: 740-755.
[12] YANG S, LUO P, LOY C C, et al. Wider face: a face detection benchmark[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. Las Vegas: IEEE, 2016: 5525-5533.
[13] OUYANG D, HE S, ZHANG G, et al. Efficient multi-scale attention module with cross-spatial learning[C]//International Conference on Acoustics, Speech and Signal Processing (ICASSP). Rhodes: IEEE, 2023: 1-5.
[14] YANG L, ZHANG R Y, LI L, et al. Simam: a simple, parameter-free attention module for convolutional neural networks[C]//International Conference on Machine Learning. Vienna: PMLR, 2021: 11863-11874.
[15] JOCHER G, CHAURASIA A, STOKEN A, et al. Ultralytics/YOLOV5: v7.0-YOLOV5 sota realtime instance segmentation[EB/OL]. Zenodo, 2022.
[16] SUN P, ZHANG R, JIANG Y, et al. Sparse R-CNN: end-to-end object detection with learnable proposals[C]//Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. Nashville: IEEE, 2021: 14454-14463.
[17] CAI Z, VASCONCELOS N. Cascade R-CNN: delving into high quality object detection[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. Salt Lake City: IEEE, 2018: 6154-6162.
[18] ZHANG H, LI F, LIU S, et al. Dino: Detr with improved denoising anchor boxes for end-to-end object detection[J]. arXiv, 2022: abs/2203.03605.
-
期刊类型引用(5)
1. 黄敏婵，詹泳康，李昌翔. 大学生返乡发展意愿的现状、影响因素及其对策. 市场周刊. 2024(14): 163-166 . 
百度学术
2. 彭敏，黄莹. 中小学教师跨学科教学影响因素模型构建——基于扎根理论的探索性分析. 广东第二师范学院学报. 2024(03): 49-65 . 百度学术
3. 杨立国，刘旭. 文化景观基因视角下西南地区少数民族服饰特征分析. 衡阳师范学院学报. 2024(06): 1-11 . 百度学术
4. 杨立国，吴旭峰，胡雅丽. 传统村落非物质文化景观基因知识体系传承度评价——以通道县为例. 湖南师范大学自然科学学报. 2023(03): 23-31 . 百度学术
5. 王沛宁，张轶. 江南传统村落的景观基因识别及传承机制研究——以南京黄龙岘村为例. 工业设计. 2023(07): 112-115 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 93
- HTML全文浏览量: 38
- PDF下载量: 21
- 被引次数: 9
