Debido a las ventajas de la arquitectura paralela y el bajo consumo de energía, un campo de matrices programable en puerta (FPGA) se utiliza típicamente como hardware para aceleradores de redes neuronales convolucionales (CNN). Sin embargo, los dispositivos FPGA basados en SRAM son extremadamente susceptibles a perturbaciones causadas por eventos únicos (SEUs) inducidos por radiación espacial. En este artículo, se aplica un análisis de tolerancia a fallos y experimentos de inyección de fallos a un acelerador de CNN, y los resultados generales muestran que los SEUs que ocurren en una unidad de control (CTRL) provocan la tasa de error del sistema más alta, que es superior al 70%. Después de eso, se propone en este artículo una estrategia de endurecimiento híbrida que consiste en un circuito corrector de errores de máquina de estados finitos (FSM-ECC) y una técnica de endurecimiento automático de redundancia modular triple (TMR-AHT) para lograr un equilibrio entre la fiabilidad ante radiación y la sobrecarga de diseño. Además, la metodología propuesta tiene una carga de trabajo muy pequeña y una buena capacidad de migración. Finalmente, al aprovechar al máximo la propiedad de tolerancia a fallos de las CNNs, se implementa un acelerador de CNN altamente fiable con la estrategia de endurecimiento híbrida propuesta con Xilinx Zynq-7035. Cuando la BER es de 2 x 10, la estrategia de endurecimiento híbrida propuesta reduce la tasa de error del sistema completo en un 78.95% con una sobrecarga de un 20.7% de tablas de búsqueda (LUTs) y un 20.9% de flip-flops (FFs).