La termografía tiene muchas aplicaciones que se benefician del mapa de calor que se puede construir utilizando este tipo de imagen. Puede ser utilizada en aplicaciones de Internet de las Cosas (IoT) para detectar las características del entorno. En dicho caso, las Redes Neuronales Profundas (DNNs) pueden ser utilizadas para llevar a cabo muchas tareas de análisis visual que pueden proporcionar al sistema la capacidad de tomar decisiones. Sin embargo, debido a su gran costo computacional, se recomienda que dichas redes exploren plataformas de hardware personalizadas para acelerar su inferencia y reducir el consumo energético general del sistema. En este trabajo, se propone un sistema de adaptación energética, que puede configurarse de manera inteligente en función del nivel de energía de la batería. Además de lograr un aumento de velocidad máximo que equivale a 6.38 veces, el sistema propuesto logra un ahorro energético significativo que se reduce en un 97.81% en comparación con una CPU convencional de propósito general.