1.一种基于室内成像光谱技术的土壤剖面发生层划分方法，其特征在于，包括以下步骤：S1、采用基于像素镶嵌的方法获取完整的土壤剖面光谱图像；

S2、对光谱图像进行几何校正，保留固定宽度的土壤剖面原始图像；

S3、采用随机森林模型去除无效像元；具体以下子步骤：S3.1、采用随机森林模型对图像进行二分类，去除裂缝无效像元、阴影无效像元，并将无效像元区域的光谱反射率值设置为0；随机森林模型通过网格搜索寻进行超参数调优，使用网格寻优寻找最佳参数组合，公式如下：,

其中，c是类别标签， 是指示函数，当第i棵树的预测结果等于c时为1，否则为0；

S3.2、随机森林模型的精度通过总体精度OA和Kappa 系数评估，如下式:，

；

其中，r表示分类类别总数；N是样本总数，即所有类别中样本的总和；xii是第i类中被正确分类的样本数量；Po表示观察到的一致性比例，即每一类中分类正确的样本数之和占样本总数的比例；Pe表示期望的一致性比例，即如果分类器随机分类时，每一类真实样本数与预测样本数的乘积之和占样本总数的比例；

S4、对去除无效像元的土壤剖面光谱图像光谱数据进行平滑去噪处理；

S5、对平滑处理后的光谱图像提取行平均光谱曲线，作为分层条带土样的光谱数据；

S6、对分层条带土样的光谱数据生成光谱曲面和深度函数曲线；

S7、构建语义分割网络，以归一化的光谱曲面图像为输入，多通道的分类结果为输出训练语义分割网络，获得土壤剖面发生层划分模型；将土壤剖面光谱图像输入至土壤剖面发生层划分模型，得到分层后的光谱；具体包括以下子步骤：S7.1、将光谱曲面图像进行归一化处理，确保数据输入网络时的值在[0,1]范围内,根据深度和波长，将光谱曲面图像按照设定的发生层边界标记不同的类别，作为语义分割的训练标签；

S7.2、构建语义分割网络模型U‑Net++，并设置模型的输入为归一化的光谱曲面图像，输出为多通道的分类结果，每个通道对应一个发生层类别；设置模型的损失函数为交叉熵损失函数，优化器选择自适应矩估计；

S7.3、使用训练集数据进行模型训练，确保每次迭代后模型能够更好地识别出不同的发生层区域；

S7.4、使用验证集对模型进行验证，评估模型的精度，并根据验证结果调整模型的超参数；

S7.5、将训练好的模型应用于未标注的光谱曲面图像，预测每个像素所属的发生层类别，生成发生层划分结果，将每个像素根据模型输出的类别进行着色，得到分层后的光谱。

2.根据权利要求1所述的一种基于室内成像光谱技术的土壤剖面发生层划分方法，其特征在于，步骤S1包括以下子步骤：S1.1、按照预设的光谱采样间隔、预设的光谱曲线探测覆盖范围采集原状土壤剖面成像光谱图像；

S1.2、对原状土壤剖面成像光谱图像进行旋转、镶嵌处理；

S1.3、采用基于像素镶嵌的方法，调整镶嵌区域的大小，对图像重叠及颜色平衡进行调参，输出获得镶嵌后的图像；

S1.4、返回执行步骤S1.3,直到完成所有原状土壤剖面成像光谱图像的镶嵌处理，得到完整的土壤全剖面光谱图像。

3.根据权利要求1所述的一种基于室内成像光谱技术的土壤剖面发生层划分方法，其特征在于，步骤S2具体为：对图像进行几何校正，消除拍摄过程中产生的畸变，通过裁剪去除图像中的木质边框和视场外背景，保留固定宽度的土壤剖面原始图像。

4.根据权利要求1所述的一种基于室内成像光谱技术的土壤剖面发生层划分方法，其特征在于，步骤S4包括以下子步骤：S4.1、针对任一去除无效像元的土壤剖面光谱图像，读取土壤光谱反射率，去除初始光谱两端的噪声成分，S4.2、采用 Savitzky‑Golay滤波器对光谱数据进行平滑处理，如下式：，

其中，i表示在进行平滑处理时，当前波长k处的值与其相邻值的偏移量， 是波长k处经平滑后的平均值，hi为平滑系数，w是平滑窗口的宽度，H为归一化系数，窗口数设置为

25，多项式次数为3。

5.根据权利要求1所述的一种基于室内成像光谱技术的土壤剖面发生层划分方法，其特征在于，步骤S5具体是：从平滑处理后的光谱图像中以固定深度间隔提取对应的行平均光谱，依据土壤剖面发生层采用主成分分析PCA提取光谱数据主成分。

6.根据权利要求1所述的一种基于室内成像光谱技术的土壤剖面发生层划分方法，其特征在于，步骤S6包括以下子步骤：S6.1、对于处理后的光谱反射率数据，以波段为横坐标，以剖面深度为纵坐标，生成tiff格式的光谱曲面；

S6.2、依据土壤学专家知识和经验划分的土壤发生层层次进行提取平均光谱曲线,直到提取完剖面内所有层次的平均光谱曲线。