1.一种近红外光谱生成方法，其特征在于，所述方法包括：建立条件生成对抗网络，所述条件生成对抗网络包括生成器以及判别器；

对所述生成器以及所述判别器进行训练，以优化更新所述条件生成对抗网络，得到优化条件生成对抗网络；

获取待测样品的光谱图，通过标准检测方法获取所述待测样品的标签值，并对所述光谱图进行预处理，得到预处理后的光谱图；

采用格拉姆角场将所述预处理后的光谱图编码成二维图片，以得到真实样品的光谱图像数据；

所述采用格拉姆角场将所述预处理后的光谱图编码成二维图片的步骤包括：基于格拉姆角场将所述预处理后的光谱图中的光谱信号的真实值缩放到预设范围中，得到缩放后信号；

计算所述缩放后信号各个元素的反余弦值，并将极坐标的半径分为若干段以映射元素对应的位置信息；

采用所述反余弦值的和差计算所述预处理后的光谱图中每个像素的值，以得到真实样品的光谱图像数据；

所述采用所述反余弦值的和差计算所述预处理后的光谱图中每个像素的值的步骤包括：利用格拉姆角和场或格拉姆角差场计算所述预处理后的光谱图中每个像素的值；

所述利用格拉姆角和场计算所述预处理后的光谱图中每个像素的值的表达式为：式中，

所述利用格拉姆角差场计算所述预处理后的光谱图中每个像素的值的表达式为：式中，

将所述光谱图像数据输入至所述优化条件生成对抗网络中生成训练虚拟样本的生成模型；

在所述生成模型中输入与所述标签值对应的样本标签，以生成虚拟样本，将所述虚拟样本与真实样本进行混合并进行批次归一化处理，得到处理后的混合样本；

将所述处理后的混合样本输入至校正模型中进行训练，得到训练后的校正模型，并通过所述训练后的校正模型对未知样本进行近红外光谱的预测。

2.根据权利要求1所述的近红外光谱生成方法，其特征在于，所述对所述生成器以及所述判别器进行训练，以优化更新所述条件生成对抗网络的步骤包括：基于所述生成器通过训练挖掘原始数据的分布信息并生成与原始数据相近的图像，以用于欺骗所述判别器；

基于所述判别器判别所述原始数据相近的图像。

3.根据权利要求1所述的近红外光谱生成方法，其特征在于，所述优化条件生成对抗网络的表达式为：式中，

4.根据权利要求1所述的近红外光谱生成方法，其特征在于，所述光谱信号的表达式为：式中，

所述光谱信号的真实值缩放到预设范围中的表达式为：式中，

5.根据权利要求1所述的近红外光谱生成方法，其特征在于，所述将所述光谱图像数据输入至所述优化条件生成对抗网络中生成训练虚拟样本的生成模型的步骤包括：向所述优化条件生成对抗网络中的生成器中输入真实数据以及标签，以使所述优化条件生成对抗网络从随机中生成形状相同的数据；

保持所述优化条件生成对抗网络中的生成器不变，并训练所述优化条件生成对抗网络中的判别器，以使所述判别器的函数数据趋于第一预设数值；

保持所述优化条件生成对抗网络中的判别器不变，并训练所述优化条件生成对抗网络中的生成器，以使所述生成器的函数数据趋于第二预设数值。

6.根据权利要求5所述的近红外光谱生成方法，其特征在于，所述以使所述判别器的函数数据趋于第二预设数值的步骤之后，所述方法包括：判断所述优化条件生成对抗网络是否达到平衡状态；

若否，则重复保持所述优化条件生成对抗网络中的生成器不变，并训练所述优化条件生成对抗网络中的判别器，以使所述判别器的函数数据趋于第一预设数值，保持所述优化条件生成对抗网络中的判别器不变，并训练所述优化条件生成对抗网络中的判别器，以使所述判别器的函数数据趋于第二预设数值，直至所述优化条件生成对抗网络达到平衡状态。

7.一种近红外光谱生成系统，其特征在于，所述系统包括：建立模块，用于建立条件生成对抗网络，所述条件生成对抗网络包括生成器以及判别器；

训练模块，用于对所述生成器以及所述判别器进行训练，以优化更新所述条件生成对抗网络，得到优化条件生成对抗网络；

获取模块，用于获取待测样品的光谱图，通过标准检测方法获取所述待测样品的标签值，并对所述光谱图进行预处理，得到预处理后的光谱图；

编码模块，用于采用格拉姆角场将所述预处理后的光谱图编码成二维图片，以得到真实样品的光谱图像数据；

所述编码模块包括：

缩放单元，用于基于格拉姆角场将所述预处理后的光谱图中的光谱信号的真实值缩放到预设范围中，得到缩放后信号；

第一计算单元，用于计算所述缩放后信号各个元素的反余弦值，并将极坐标的半径分为若干段以映射元素对应的位置信息；

第二计算单元，用于采用所述反余弦值的和差计算所述预处理后的光谱图中每个像素的值，以得到真实样品的光谱图像数据；

所述第二计算单元包括：

计算子单元，用于利用格拉姆角和场或格拉姆角差场计算所述预处理后的光谱图中每个像素的值；

所述利用格拉姆角和场计算所述预处理后的光谱图中每个像素的值的表达式为：式中，

所述利用格拉姆角差场计算所述预处理后的光谱图中每个像素的值的表达式为：式中，

生成模块，用于将所述光谱图像数据输入至所述优化条件生成对抗网络中生成训练虚拟样本的生成模型；

处理模块，用于在所述生成模型中输入与所述标签值对应的样本标签，以生成虚拟样本，将所述虚拟样本与真实样本进行混合并进行批次归一化处理，得到处理后的混合样本；

预测模块，用于将所述处理后的混合样本输入至校正模型中进行训练，得到训练后的校正模型，并通过所述训练后的校正模型对未知样本进行近红外光谱的预测。