SwisensPoleno Mars花粉自動監測儀是新一代花粉實時監測系統，它具備先進的技術和網絡的兼容性，可以實現對當地花粉濃度進行長期穩定的自主測量，并對相關的數據進行管理。
 

　　在大數據時代，機器學習的預測不斷被開發。與統計模型類似，機器學習算法同樣將自變量與因變量之間的關系視作“黑匣子”，但通常具有更高準確率。因此，通過調整核函數、按比例篩選訓練樣本、評估自變量貢獻度等方法對模型或樣本進行優化。算法、樣本經優化后不僅能縮短計算時間，還能提升預測準確率。
 

　　在篩選訓練樣本的過程中，除生長度日、花粉累積量、累積生長天數等表征植物生理狀態的指標具有較高權重外，地表反照率、土壤溫度、臭氧總量等一些統計模型中難以考慮到的要素也被證明具有較高影響，甚至常規氣象資料也可被雷達數據所替代。而且植物在不同生長階段對外界環境的關聯程度也不同，比如濕度累積有可能比降水累積的影響更顯著，因為前者促進了植物的發育。
 

　　SwisensPoleno Mars花粉自動監測儀基于流式細胞計，使用全息數字和圖像識別技術來鑒定花粉。利用集成式的氣溶膠濃縮器，能夠分析40升/分鐘的進樣氣體，為測量當地花粉濃度提供了分鐘級的時間分辨率。適用于研究、醫院、空氣監測、植物及 林業監測。