1.一种基于气溶胶颗粒物图像的智能测风系统，其特征在于，包括气溶胶颗粒物图像拍摄设备和图像处理设备；所述气溶胶颗粒物图像拍摄设备用于获取空气中的气溶胶颗粒物图像；

所述图像处理设备内设有预处理模块、卷积神经网络模块，所述预处理模块用于对气溶胶颗粒物图像进行预处理；所述卷积神经网络模块内含训练完成的卷积神经网络，所述训练完成的卷积神经网络用于根据输入的预处理后的气溶胶颗粒物图像，以输出风速；

所述气溶胶颗粒物图像拍摄设备包括主动光发射器、散射光采集器、控制器；所述主动光发射器用于照射空气中的气溶胶颗粒物，以产生散射光；所述散射光采集器用于接收散射光，以获取气溶胶颗粒物图像；所述控制器用于控制所述主动光发射器和所述散射光采集器的运行；

所述气溶胶颗粒物图像拍摄设备还包括可调支架，所述主动光发射器与所述散射光采集器安装在所述可调支架上，所述可调支架用于调整所述主动光发射器与所述散射光采集器的位置；所述主动光发射器包括激光器和激光扩束器，所述激光器用于发射激光，所述激光经过所述激光扩束器扩宽后照射空气中的气溶胶颗粒物；

所述散射光采集器包括CCD相机、滤光片，所述CCD相机前安装滤光片，所述主动光发射器照射气溶胶颗粒物的散射光依次经滤光片、相机镜头进入CCD相机，以生成气溶胶颗粒物图像；

激光器和CCD相机的光轴成一可调夹角，所述光轴的交点区域是风速遥测区域，通过调整激光器和CCD相机的方向以快速调整风速遥测区域。

2.如权利要求1所述的一种基于气溶胶颗粒物图像的智能测风系统，其特征在于，所述卷积神经网络模块的卷积神经网络采用VGG结构，由第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、第五卷积层、第六卷积层、全连接层、softmax层依次连接组成。

3.如权利要求2所述的一种基于气溶胶颗粒物图像的智能测风系统，其特征在于，所述六个卷积层依次包含36、36、36、72、96、3个卷积核，卷积核大小依次为5×5、5×5、5×5、5×

5、3×3、1×1，步长均为1；各池化层的过滤器大小均为3×3，步长均为2。

4.如权利要求1所述的一种基于气溶胶颗粒物图像的智能测风系统，其特征在于，所述预处理模块包括筛选层、裁剪层、灰度化层、归一化层；所述筛选层用于从所述气溶胶颗粒物图像中挑选带有线段特征的图片；所述裁剪层用于将带有线段特征的图片裁剪成带有线段特征的目标图片；所述灰度化层用于将带有线段特征的目标图片灰度化；所述归一化层用于对灰度化后的图片进行归一化处理。

5.如权利要求4所述的一种基于气溶胶颗粒物图像的智能测风系统，其特征在于，所述归一化处理的计算公式为AFTimage＝(I‑min(I))/(max(I)‑min(I))，其中，AFTimage为归一化处理后的图像像素点值，I为图像像素点值，min(I)为图像像素的最小值，max(I)为图像像素的最大值。

6.如权利要求1所述的一种基于气溶胶颗粒物图像的智能测风系统，其特征在于，所述卷积神经网络通过如下训练方法得到：在多个风速下采集气溶胶颗粒物图像，将图像分为训练样本和验证样本，使用训练样本训练卷积神经网络，根据卷积神经网络对验证样本的判断结果与验证样本采集时实际风速之间的误差，使用随机梯度下降的误差反向传播算法对卷积神经网络的参数进行迭代更新，使总体误差最小，完成训练。