Este documento presenta un novedoso prototipo de sistema integrado de bajo costo, llamado Sistema de Detección de Violencia Escolar (SVD), basado en una Red Neuronal Convolucional 2D (CNN). Se utiliza para clasificar e identificar automáticamente acciones violentas en entornos educativos basándose en hardware de bajo costo. Además, el documento llena el vacío de conjuntos de datos reales en entornos educativos al proponer uno nuevo, llamado conjunto de datos de recreo escolar diario (DSB), que contiene videos originales grabados en el patio de una escuela secundaria italiana. La CNN propuesta ha sido preentrenada con un modelo de ImageNet y un enfoque de aprendizaje por transferencia. Para ampliar sus capacidades, el DSB se enriqueció con imágenes en línea que representan a estudiantes en entornos escolares. Los resultados experimentales analizan el rendimiento de clasificación del SVD e investigan cómo se desempeña a través del conjunto de datos DSB propuesto. El SVD, que logra una precisión de reconocimiento del 95%, se considera computacionalmente eficiente y de bajo costo. Podría adaptarse a otros escenarios como arenas escolares, gimnasios, patios de recreo, etc.