1.一种基于高光谱的芒果冲击损伤后可滴定酸含量预测方法，其特征在于，步骤如下：将未损伤芒果样品分成对照组和实验组，实验组分成多个子组后分别从多个不同高度进行跌落实验，形成实验组受损与对照组未受损两类样品；

用近红外高光谱成像系统扫描受损与未受损样品，采集样品高光谱图像；

采用指示剂滴定方法采集每个样品的可滴定酸含量，获得样品可滴定酸含量值；

选取实验组样品受损伤区域和对照组样品任意区域作为感兴趣区，从样品高光谱图像中提取平均光谱，获得原始光谱；

使用卷积平滑对所述原始光谱预处理后，采用竞争性自适应重加权算法提取原始光谱的特征波长，形成特征光谱；

利用偏最小二乘算法分析特征光谱矩阵与可滴定酸含量值矩阵，建立特征光谱矩阵与可滴定酸含量值矩阵的线性回归模型，然后对该线性回归模型校正并预测评估，最终建立偏最小二乘预测模型；

采集待测受损伤芒果样品高光谱图像，提取特征光谱，将特征光谱矩阵输入预测模型，得到样品果肉的可滴定酸含量值。

2.根据权利要求1基于高光谱的芒果冲击损伤后可滴定酸含量预测方法，其特征在于，采用近红外高光谱成像系统进行扫描，光谱范围为900-1700nm，具体参数设置如下：光谱分辨率为3nm，曝光时间为15-20ms，移动台前进速度为1-2cm/s,回退速度为2cm/s，镜头与样本距离为36-42cm。

3.根据权利要求1基于高光谱的芒果冲击损伤后可滴定酸含量预测方法，其特征在于，采用指示剂滴定方法采集每个样品的可滴定酸含量值的方法如下：分别从每个芒果样品的受损区域及未受损区域提取一定量的芒果果汁并加入蒸馏水稀释；然后水浴加热，样品溶液定容；提取滤液同时滴酚酞指示剂，加入氢氧化钠溶液直至恰好发生中和反应时，记录消耗氢氧化钠溶液的体积，结果表示为可滴定酸-柠檬酸的质量百分比。

4.根据权利要求1基于高光谱的芒果冲击损伤后可滴定酸含量预测方法，其特征在于，采用竞争性自适应重加权算法提取原始光谱的特征波长范围为944-965、1034-1046、1373-

1393、1433-1463、1636-1696，单位为nm。

5.根据权利要求1基于高光谱的芒果冲击损伤后可滴定酸含量预测方法，其特征在于，对该线性回归模型校正并预测评估，最终建立偏最小二乘预测模型的步骤如下：首先选取3/4样品的特征光谱值与可滴定酸含量值数据输入线性回归模型，进行校正；

然后把剩下样品的特征光谱值与可滴定酸含量值数据输入校正后模型进行预测，根据预测结果评估模型，最终建立偏最小二乘预测模型。

6.根据权利要求1所述的基于高光谱的芒果冲击损伤后可滴定酸含量预测方法，其特征在于，采用竞争性自适应重加权算法提取特征波长的方法步骤如下：(1)蒙特卡罗采样，每次采样需从建模样本集随机抽取80％-90％的样本，建立偏最小二乘回归模型；

(2)基于指数衰减函数去除不符合要求的变量；

(3)基于自适应重加权采样法对保留的变量进行竞争性筛选；

(4)N次采样后得到N个变量子集，比较每次采样产生的变量子集的交叉验证均方根误差，误差值最小的变量子集为最优波长变量子集。

7.根据权利要求1所述的基于高光谱的芒果冲击损伤后可滴定酸含量预测方法，所述线性回归模型的建立步骤如下：(1)利用下式(1)、(2)将特征光谱矩阵X和可滴定酸含量值矩阵Y同时分解：X＝TP+E  (1)

Y＝UQ+F  (2)

式中，T和P分别为X的得分矩阵和载荷矩阵，U和Q分别为Y的得分矩阵和载荷矩阵，E和F为模型拟合X和Y时引进的误差矩阵。

(2)利用下式(3)，建立T和U的线性回归关系：

U＝TB  (3)

式中，B是回归系数矩阵；

(3)用下式(4)对未知待测样本Xun的待测可滴定酸含量值Yun进行预测：Yun＝TunBQ+F  (4)

先根据P矩阵求出未知待测样本Xun的得分矩阵Tun，然后由公式(4)，计算出可滴定酸含量值Yun。