环境空气质量无时无刻影响着人们的生活,对于人们的出行、工作等活动具有一定的参考价值。在空气质量保护任务中,获取实时准确可靠的环境空气质量是其中的重要环节。目前,环境空气质量测量主要采取在城市特定地理位置设置空气质量监测站点,利用空气质量检测仪对周边大气环境进行定时采样分析的方法,这种方法容易受到特定时间和地点的限制。为了解决这个问题,使用移动摄像设备实时采集当前地区的环境图像,利用深度学习图像识别技术进行空气质量测量是一个可行的想法。现存的一些图像与深度学习相关的空气质量测量算法,大多是采用单个卷积神经网络等特征提取算法提取整幅图像特征的方法。由于环境图像各组成部分特点不同,此方法将忽略图像各部分的差异。为了解决环境图像不同组成部分的特征提取问题,本文提出了双通道加权卷积网络集成学习的方法,该方法可以针对环境图像的不同组成部分实现特征的分别提取,进行空气质量精细化测量。此外,提出了一种特征权重自学习方法,用于寻找两部分特征的最优权重比。实验表明,本算法可以完成依靠环境图像的空气质量等级测量与空气质量指数测量的任务,在等级测量方面已经达到了可观的准确率,可进一步应用到工程实际中。