El procesamiento eficiente en tiempo real de imágenes es de vital importancia en diversas aplicaciones, como el reconocimiento de objetos, la segmentación de regiones y la extracción de caracterı́sticas. Sin embargo, al implementar estos algoritmos en dispositivos empotrados, surge una limitación inherente a los recursos de cómputo y la autonomı́a energética, ya que generalmente estos dispositivos funcionan con alimentación por baterı́as. Además, la configuración manual de los hiperparámetros para lograr un rendimiento óptimo y obtener resultados de alta calidad puede implicar un proceso complejo. En este trabajo, se propone un sistema de selección y evaluación automática para encontrar una combinación óptima de hiperparámetros en los pipelines de procesamiento de imágenes en dispositivos empotrados. Se consideran tanto la calidad de los resultados como los recursos utilizados. Se emplean métricas para evaluar la calidad de los resultados del procesamiento de imágenes y para medir los recursos utilizados en la implementación sobre dispositivos basados en tecnologı́a de lógica reconfigurable (FPGA). Esta evaluación es clave en el proceso de maximizar la calidad de los resultados mientras se minimiza el consumo de recursos en el dispositivo. Para validar la funcionalidad del sistema propuesto, se han llevado a cabo experimentos utilizando imágenes reales de trampas cromáticas de la mosca del olivo para realizar la segmentación y el conteo automático de estos insectos en dispositivos de control de plagas. Los resultados obtenidos demuestran que el enfoque propuesto permite encontrar combinaciones de hiperparámetros que logran un equilibrio óptimo entre la calidad de los resultados y la eficiencia en la utilización de recursos en entornos con recursos limitados.