La aplicación de inteligencia artificial (IA) en instrumentos como la espectroscopia de impedancia destaca la dificultad de elegir una tecnología electrónica que resuelva correctamente los problemas básicos de rendimiento, adaptación al contexto, flexibilidad, precisión, autonomía y velocidad de diseño. El trabajo actual demuestra que las FPGAs, junto con una síntesis de alto nivel optimizada (HLS), nos permiten tener una conexión eficiente entre las señales captadas por el instrumento y el bloque de computación de IA basado en redes neuronales artificiales que las analizará. Las comparaciones y resultados experimentales de vanguardia también demuestran que nuestras arquitecturas diseñadas y desarrolladas ofrecen el mejor compromiso entre rendimiento, eficiencia y costos del sistema en términos de implementación de redes neuronales artificiales. En el trabajo actual, se logra una eficiencia computacional superior a 21 Mps/DSP y una eficiencia energética por debajo de 1.24 mW/Mps. Es importante destacar que estos resultados son más relevantes porque el sistema se puede implementar en una FPGA de bajo costo.