大气气溶胶颗粒粒径浓度的检测一直是工业生产、环境气候研究以及人体健康的重要问题之一。在这个科技高速蓬勃发展的时代,各个行业都对于大气气溶胶粒度的检测提出了更高的要求。在目前百家争鸣的测量方法中,线阵CCD的测量方法因为其高效、实时、高精度等优点,成为当前测量方法的主流之一。本论文首先详细介绍了光的散射原理。以此为基础引出多种的测量手段以及理论计算的方法。通过示意图或者原理公式的途径,对颗粒散射法的理论模型进行简要叙述。结合光散射法测量模型和深度学习算法对气溶胶粒径以及浓度测量进行了研究。介绍了光散射的原理。并利用深度神经网络进行数据的优化。本论文的主要研究工作基于MIE测量技术的优化进行研究,以气溶胶颗粒为研究对象。气溶胶具有环境效应,能影响大气以及臭氧层,并通过工业生产,汽车排污等方式对人体健康产生影响。设计了光学平台,利用VC++,Matlab,Spyder,QT等软件。提出一种使用一维线阵光电传感器作为测量装置的方法,实现气溶胶粒径与浓度的高精度测量。通过流速气溶胶粒径瞬态直接成像计算的手段,进行实时区域尺度范围内气溶胶的浓度检测。其理论模型首次采用了线阵光电传感器与高倍显微物镜的物像共轭放大成像,避免常规误差较大的全散射米氏光学模型,同时克服了面阵成像瞬时采样的弛豫效应,计算量少且测量精度较高。实验结果表明,系统可检测的气溶胶粒子范围在1～10μm区间,测量误差优于8%。在此基础上,引入人工智能深度学习的算法,从中筛选出了BP网络以及LSTM网络作为实验的对照组,并通过spyder以及matlab平台复现了BP网络以及LSTM网络。并为线阵光电传感器粒径测量系统进行了优化,相较于原始数据,相对的误差在原有基础上减少了10%。最后介绍了设计线阵光电传感器粒径测量系统的界面程序。