SwisensPoleno Mars花粉自动监测仪是新一代花粉实时监测系统，它具备先进的技术和网络的兼容性，可以实现对当地花粉浓度进行长期稳定的自主测量，并对相关的数据进行管理。
在大数据时代，机器学习的预测不断被开发。与统计模型类似，机器学习算法同样将自变量与因变量之间的关系视作“黑匣子”，但通常具有更高准确率。因此，通过调整核函数、按比例筛选训练样本、评估自变量贡献度等方法对模型或样本进行优化。算法、样本经优化后不仅能缩短计算时间，还能提升预测准确率。
在筛选训练样本的过程中，除生长度日、花粉累积量、累积生长天数等表征植物生理状态的指标具有较高权重外，地表反照率、土壤温度、臭氧总量等一些统计模型中难以考虑到的要素也被证明具有较高影响，甚至常规气象资料也可被雷达数据所替代。而且植物在不同生长阶段对外界环境的关联程度也不同，比如湿度累积有可能比降水累积的影响更显著，因为前者促进了植物的发育。
SwisensPoleno Mars花粉自动监测仪基于流式细胞计，使用全息数字和图像识别技术来鉴定花粉。利用集成式的气溶胶浓缩器，能够分析40升/分钟的进样气体，为测量当地花粉浓度提供了分钟级的时间分辨率。适用于研究、医院、空气监测、植物及 林业监测。
