1.一种基于卷积神经网络的河流表面流速测量方法，其特征在于，包括：
2.根据权利要求1所述的基于卷积神经网络的河流表面流速测量方法，其特征在于，获取河流表面图像数据集，对所述河流表面图像数据集进行预处理，得到预处理图像数据集，包括：
3.根据权利要求1所述的基于卷积神经网络的河流表面流速测量方法，其特征在于，利用deepflow算法计算所述预处理图像数据集获得光流矢量，包括：
4.根据权利要求3所述的基于卷积神经网络的河流表面流速测量方法，其特征在于，基于光流估计能量最小化算法，计算所述位移匹配信息得到光流场，提取所述光流场中的光流矢量，包括：
5.根据权利要求1所述的基于卷积神经网络的河流表面流速测量方法，其特征在于，采用mobilenet v2网络构建初始河流测速模型，通过预设损失函数和所述光流矢量对所述初始河流测速模型进行训练迭代，得到河流测速模型，包括：
6.根据权利要求5所述的基于卷积神经网络的河流表面流速测量方法，其特征在于，采用均方误差l2损失函数和河面流速值为主损失函数，采用均方误差l2损失函数、光流矢量速度和光流矢量角度为辅助损失函数，构建所述预设损失函数，包括：
7.根据权利要求5所述的基于卷积神经网络的河流表面流速测量方法，其特征在于，采用mobilenet v2网络构建初始河流测速模型，包括：
8.一种基于卷积神经网络的河流表面流速测量系统，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于卷积神经网络的河流表面流速测量方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于卷积神经网络的河流表面流速测量方法。