一种基于图像特征和集成神经网络的空气细颗粒物PM2.5软测量方法既属于环境工程领域又属于检测技术领域。大气环境系统具有多变量、非线性、内部机理复杂、信息不完备等特性，难以通过机理分析建立其数学模型，而相比于单个神经网络，集成神经网络对于高度非线性和严重不确定性系统则具有更好的处理能力，且用图像特征作为输入变量预测PM2.5能有效提高模型的实时性和高效性。本发明针对PM2.5难以高精度且实时预测的问题，首先基于特征提取方法提取与PM2.5相关的图像特征，其次利用基于简单平均方法的集成神经网络建立相关图像特征和PM2.5之间的软测量模型，最后用建立好的软测量模型对PM2.5进行预测并取得了较好的效果。该软测量模型的输出结果可为环境管理决策者和群众提供及时准确的大气环境质量信息，有利于加强大气环境污染控制，防止严重污染的发生。