El cultivo sostenible de verduras orgánicas y el problema asociado del control de malezas ha sido un tema de investigación actual durante algún tiempo. A pesar de esto, el uso de pesticidas químicos y sintéticos aumenta cada año. Esto se debe resolver con la ayuda de un sistema robotizado automatizado. La versión actual del robot deshierbador utiliza GPUs para ejecutar la fase de inferencia. Esto requiere mucha energía para un robot de 8 pistas. Para permitir la operación solar autónoma, el sistema debe ser más eficiente en energía. Este trabajo tiene como objetivo evaluar posibles enfoques y el estado actual de la investigación sobre la implementación de redes neuronales convolucionales en sistemas embebidos de baja potencia. En el transcurso del trabajo, se examinó la viabilidad técnica para la implementación de CNN en FPGAs, en particular, siguiendo el ejemplo de un análisis de viabilidad. Este documento muestra que la aceleración de redes neuronales convolucionales utilizando FPGAs es técnicamente factible para su uso como hardware de detección en el robot deshierbador. Con la ayuda del estado actual de la investigación y la literatura existente, se han evaluado las posibilidades de optimización del hardware y software. Se investigaron y compararon los ensayos de diferentes redes en diferentes aceleradores de hardware con enfoques diversos.