1.一种金线莲植株叶片真伪鉴别与品系分类方法，其特征在于，包括：

获取待测植株样品的多视角光谱数据；所述多视角光谱数据包括所述待测植株样品的每片叶片的正面光谱数据和背面光谱数据；

对所述多视角光谱数据进行预处理，得到预处理后的多视角光谱数据；其中，对所述多视角光谱数据进行黑白校正，得到黑白校正后的多视角光谱数据；对所述黑白校正后的多视角光谱数据进行感兴趣区域提取，得到预处理后的多视角光谱数据；

将所述预处理后的多视角光谱数据输入至预训练SVM模型中，输出真伪鉴别结果；所述预训练SVM模型指的是基于金线莲样品以及伪品样品的预处理后的多视角光谱数据，对SVM模型与预处理模型进行共同调参，寻找到最优参数后进行训练后得到的模型，所述预处理模型指的是滤波算法对应的模型；所述滤波算法为中值滤波算法、平均滤波算法、高斯滤波算法、Savitzky‑Golay滤波算法和主成分分析法其中至少一种；在对所述预训练SVM模型进行训练前，采用Standard Scaler对所述预处理后的多视角光谱数据进行标准化处理；在对所述预训练SVM模型进行训练时，采用网格搜索和五倍交叉验证的方法优化超参数，包括惩罚参数、核类型、伽马和多项式次数；并采用准确度、精确度、召回率、F1分数和混淆矩阵作为评估指标进行模型性能评估；

当所述真伪鉴别结果为所述待测植株样品是金线莲样品时，将所述待测植株样品的预处理后的多视角光谱数据输入至预训练CNN模型中，输出品系分类结果；所述预训练CNN模型指的是基于金线莲样品的预处理后的多视角光谱数据，对CNN模型与所述预处理模型进行共同调参，寻找到最优参数后进行训练后得到的模型；所述预训练CNN模型为1D‑CNN模型。

2.根据权利要求1所述的金线莲植株叶片真伪鉴别与品系分类方法，其特征在于，获取待测植株样品的多视角光谱数据，具体包括：对所述待测植株样品进行清洗处理，得到清洗后的待测植株样品；

对所述清洗后的待测植株样品进行风干处理，得到风干后的待测植株样品；

采集所述风干后的待测植株样品的每片叶片的正面光谱数据和背面光谱数据，得到多视角光谱数据。

3.根据权利要求2所述的金线莲植株叶片真伪鉴别与品系分类方法，其特征在于，采集所述风干后的待测植株样品的每片叶片的正面光谱数据和背面光谱数据，得到多视角光谱数据，具体包括：采用GaiaField‑N17E型号的高光谱成像系统，分别扫描所述风干后的待测植株样品的每片叶片的正面和背面，以采集每片叶片的正面光谱数据和背面光谱数据，得到多视角光谱数据。

4.一种金线莲植株叶片真伪鉴别与品系分类系统，其特征在于，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现权利要求1‑3任一项所述的金线莲植株叶片真伪鉴别与品系分类方法。