O gerenciamento dos recursos hídricos é importante para garantir o desenvolvimento sustentável. Os estudos hidrológicos, que dão base à gestão dos recursos hídricos, levam em conta observações passadas de variáveis hidrometeorológicas em bacias hidrográficas. Contudo, manter redes de monitoramento hidrológico com alta qualidade espacial e temporal torna-se um desafio a ser superado, principalmente por países emergentes como o Brasil, onde os custos de aquisição e manutenção de equipamentos de medição acabam inviabilizando a continuidade de monitoramento. Tendo isso em vista, o objetivo deste trabalho foi utilizar tecnologias 'open source' de baixo custo para medição de velocidade superficial e vazão e validar seu uso em laboratório. Foi obtida, como produto desta pesquisa, a possibilidade de diminuição dos custos que envolvem a implantação de redes de monitoramento. Foi construído um sistema de medição com o microcomputador Raspberry e um módulo de captura de imagens para aplicação da técnica de Velocimetria por Imagem de Partícula em Grande Escala (LSPIV, do inglês Large-Scale Particle Image Velocimetry). O sistema foi avaliado em um canal aberto de seção transversal de 40 x 50 cm, com um intervalo de vazões entre 9,7 L/s e 34,4 L/s. Os seus resultados foram comparados aos obtidos por um Perfilador Acústico de Correntes Doppler (ADCP, do inglês, Acoustic Doppler Current Profiler) através de métricas estatísticas, como a raiz do erro médio quadrático (RMSE), a eficiência de Nash-Sutclife (NSE), o percentual de viés (PBIAS) e análise gráfica dos erros. Os resultados obtidos de vazão foram próximos aos aferidos pelo método ADCP em condições específicas de escoamento que facilitam ao algoritmo reconhecer os padrões de movimentação da água em imagem. No caso de escoamentos com número de Froude maior que 0,15, foram obtidos RMSE igual a 3,87, NSE igual a 0,81 e PBIAS -9,38%. Em contrapartida, para valores de número de Froude menor que 0,15, ou seja, quando a velocidade superficial de escoamento é baixa e os padrões de movimentação da água não são visíveis, os resultados são insatisfatórios, com RMSE igual a 11,76, NSE igual -1,13 e PBIAS -41,63%, o que pode indicar a necessidade de utilização de traçadores artificiais em aplicações com essas condições. Levando em consideração o quanto se tem avançado em termos de poder computacional e como as tecnologias 'open source', como o Arduino e o Raspberry, tem se tornado cada vez mais acessíveis, a técnica se mostrou promissora, o que corrobora o avanço de mais pesquisas sobre o assunto.

The water resources management is important to ensure sustainable development. Hydrological studies, which support the water resources management, consider past observations of hydrometeorological variables in watersheds. However, hydrological monitoring networks with high spatial and temporal quality are a challenge to be overcome, especially for emerging countries such as Brazil, where the acquisition and maintenance costs of measurement equipment compromise the monitoring continuity. So, the goal of this work was to use low cost open-source technologies for surface velocity and flow measurement and validate its use in laboratory. It was expected to obtain, as a product of this research, the possibility of reducing the costs involved in the implementation of monitoring networks. A measurement system was built with a Raspberry microcomputer and an image capture module for the application of Large-Scale Particle Image Velocimetry (LSPIV) technique. The system was evaluated in an open channel with a cross section of 40 x 50 cm, with a flow range between 9.7 L/s and 34.4 L/s. These results were compared to those obtained trought Acoustic Doppler Current Profiler (ADCP) using statistical metrics such as Root Mean Squared Error (RMSE), Nash-Sutclife Efficiency (NSE), Percentage of Bias (PBIAS) and graphical analysis. The flow results obtained were close to those measured by the ADCP method in specific conditions of flow that facilitate the algorithm to recognize the patterns of water movement in image. In the case of flows with Froude number greater than 0.15, RMSE equal to 3.87, NSE equal to 0.81 and PBIAS -9.38% were obtained. On the other hand, for values of Froude number less than 0.15, when the surface runoff velocity is low and the water movement patterns are not visible, the results are unsatisfactory, with RMSE equal to 11.76, NSE equal to -1.13 and PBIAS -41.63%, which may indicate the need for use of artificial tracers in applications on these conditions. Considering how much has been advanced in terms of computational power and as open-source technologies, such as Arduino and Raspberry, have become increasingly accessible, the LSPIV technique has shown promise, which corroborates the advancement of more researches on this subject.