La condición de una colonia de abejas puede predecirse mediante la monitorización de las abejas al entrar en la colmena. La presencia de granos de polen proporciona a los apicultores información significativa sobre el bienestar de la colonia de abejas de una manera no invasiva. Este documento presenta un detector de polen basado en un arreglo de compuertas programable en campo (FPGA) a partir de imágenes obtenidas en la entrada de la colmena. El conjunto de datos de imágenes se adquirió en rampas de entrada nativas de seis colmenas diferentes. Para evaluar y demostrar el rendimiento del sistema, se entrenaron y probaron varias densidades de redes neuronales convolucionales (CNN) para encontrar aquellas adecuadas para la detección de granos de polen en la resolución de imagen elegida. Proponemos una nueva arquitectura de acelerador de CNN que coloca una CNN pre-entrenada en un SoC FPGA. El acelerador de CNN se implementó en un FPGA Z-7020 optimizado en costos con operaciones de punto fijo de 16 bits. La binarización del núcleo y la fusión con la capa de normalización por lotes se aplicaron para reducir el número de DSP en el núcleo convolucional de múltiples canales. El rendimiento promedio estimado fue de 32 GOPS para un solo núcleo convolucional. Descubrimos que la CNN con cuatro capas convolucionales y dos capas densas dio una precisión de clasificación del 92%, y coincidió con las declaradas para los métodos de vanguardia. Se tardó 8.8 ms en clasificar un fotograma de 512 x 128 px y 2.4 ms en un fotograma de 256 x 64 px. La velocidad de fotogramas del método propuesto superó la velocidad de los detectores de polen conocidos. El detector de polen desarrollado es rentable y puede utilizarse como un módulo de clasificación de imágenes en tiempo real para la monitorización del estado de la colmena.