La tecnología de velocimetría de imagen espacio-temporal (STIV) ha logrado un buen rendimiento en la medición de la velocidad del flujo en la superficie del río, pero la aplicación en un entorno de campo se ve afectada por mal tiempo o condiciones de iluminación, lo que provoca grandes errores de medición. Para mejorar la precisión y robustez de la STIV, combinamos la STIV con el aprendizaje profundo. Además, considerando el peso ligero del modelo de red neuronal, adoptamos MobileNetV2 y mejoramos su precisión de clasificación. Nombramos a este método MobileNet-STIV. También construimos un conjunto de datos mixto mejorado por muestra por primera vez, con 180 clases de imágenes y 100 imágenes por clase para entrenar nuestro modelo, lo que resultó en un buen rendimiento. En comparación con los resultados de medición del medidor actual, el error absoluto de la velocidad media fue de 0.02, el error absoluto del caudal fue de 1.71, el error relativo de la velocidad media fue del 1.27%, y el error relativo del caudal fue del 1.15% en el experimento comparativo. En el experimento de rendimiento de generalización, el error absoluto de la velocidad media fue de 0.03, el error absoluto del caudal fue de 0.27, el error relativo de la velocidad media fue del 6.38%, y el error relativo del caudal fue del 5.92%. Los resultados de ambos experimentos demuestran que nuestro método es más preciso que la STIV convencional y la velocimetría de imagen de partículas a gran escala (LSPIV).