1.一种农作物施肥决策方法，其特征在于，所述方法包括以下步骤：

获取拍摄的农作物光谱图，根据波段的中心波长确定权重，若波段的光谱图中像元值等于预设值，则将像元值调整为1，否则调整为0，将权重和调整后的光谱图按位相乘得到波段调整后的光谱图，累加所有波段的光谱图得到预设值对应的特征图；

基于所述预设值对应的特征图以及波段的中心波长对每个波段的光谱图进行校正；

利用校正后所述光谱图得到植被指数，根据所述植被指数得到农作物的施肥量地图；在施肥过程中根据施肥量地图实时调整施肥量。

2.如权利要求1所述的方法，其特征在于，所述基于所述预设值对应的特征图以及波段的中心波长对每个波段的光谱图进行校正，具体为：基于波段的中心波长确定波段的划分区间，并确定划分区间对应的选取个数，按照从小到大的顺序对预设值进行排序，从排序后第一个开始确定所述预设个数的预设值，将预设值对应的特征图相加得到波段的特征图；

利用波段的特征图得到波段的原始光谱图的调节因子，将波段的原始光谱图中每个像元值减去所述调节因子得到校正后的光谱图；若像元值减去所述调节因子为负数，则将像元值设置为0。

3.如权利要求2所述的方法，其特征在于，所述利用波段的特征图得到波段的原始光谱图的调节因子，具体为：确定波段的特征图中最大值的位置，将波段的原始光谱图中所述位置的像元值作为调节因子；或者，确定波段的特征图中不为0的位置，将波段的原始光谱图中所述位置的像元值的平均值作为调节因子；或者，将波段的特征图和波段的原始光谱图按位相乘后进行元素求和，对波段的特征图进行元素求和，并前一个求和结果和后一个求和结果的比值作为调节因子。

4.如权利要求1所述的方法，其特征在于，所述根据所述植被指数得到农作物的最佳施肥量地图，具体为：获取不同植被指数与农作物不同生长阶段、所需营养元素的相关性，选取相关性最大的至少一个植被指标构建施肥量模型，将植被指数和农作物生长阶段输入到所述施肥量模型中得到施肥量地图。

5.如权利要求1所述的方法，其特征在于，所述选取相关性最大的至少一个植被指标构建施肥量模型，具体为：构建拟合函数，所述拟合函数的输入为所述至少一个植被指标和农作物生长阶段，所述拟合函数的输出为营养成分的施肥量，将拟合函数作为施肥量模型。

6.如权利要求1所述的方法，其特征在于，所述选取相关性最大的至少一个植被指标构建施肥量模型，具体为：构建训练样本，所述训练样本的特征至少包括了所述相关性最大的至少一个指标和农作物生长阶段，所述训练样本还包括营养成分对应的施肥量，采用训练样本对集成学习模型进行训练，将训练后的集成学习模型作为施肥量模型。

7.一种农作物施肥决策系统，其特征在于，所述系统包括以下模块：

光谱采集模块，用于获取拍摄的农作物光谱图，根据波段的中心波长确定权重，若波段的光谱图中像元值等于预设值，则将像元值调整为1，否则调整为0，将权重和调整后的光谱图按位相乘得到波段调整后的光谱图，累加所有波段的光谱图得到预设值对应的特征图；

光谱校正模块，用于基于所述预设值对应的特征图以及波段的中心波长对每个波段的光谱图进行校正；

施肥控制模块，用于利用校正后所述光谱图得到植被指数，根据所述植被指数得到农作物的施肥量地图；在施肥过程中根据施肥量地图实时调整施肥量。

8.如权利要求7所述的系统，其特征在于，所述基于所述预设值对应的特征图以及波段的中心波长对每个波段的光谱图进行校正，具体为：基于波段的中心波长确定波段的划分区间，并确定划分区间对应的选取个数，按照从小到大的顺序对预设值进行排序，从排序后第一个开始确定所述预设个数的预设值，将预设值对应的特征图相加得到波段的特征图；

利用波段的特征图得到波段的原始光谱图的调节因子，将波段的原始光谱图中每个像元值减去所述调节因子得到校正后的光谱图；若像元值减去所述调节因子为负数，则将像元值设置为0。

9.如权利要求8所述的系统，其特征在于，所述利用波段的特征图得到波段的原始光谱图的调节因子，具体为：确定波段的特征图中最大值的位置，将波段的原始光谱图中所述位置的像元值作为调节因子；或者，确定波段的特征图中不为0的位置，将波段的原始光谱图中所述位置的像元值的平均值作为调节因子；或者，将波段的特征图和波段的原始光谱图按位相乘后进行元素求和，对波段的特征图进行元素求和，并前一个求和结果和后一个求和结果的比值作为调节因子。

10.一种计算机存储设备，所述存储设备上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如权利要求1-6任一项所述的方法。