A través de este documento se presenta el marco de trabajo y los avances parciales de la investigación que pretende acondicionar el uso de técnicas de aprendizaje profundo, para diagnosticar fallas de los módulos fotovoltaicos en operación, con base en las termografías como principal insumo de entrada para una red neuronal convolucional, y así obtener una guía en el diagnóstico y detección de fallos por cada módulo fotovoltaico – PV en funcionamiento. Bajo un método de investigación deductivo con enfoque mixto que aborda aspectos tanto cuantitativos como cualitativos, donde posteriormente se evalúa la eficiencia lograda del algoritmo de inteligencia artificial – IA, mediante rangos porcentuales de aciertos de falsos positivos y falsos negativos, siendo así de tipo exploratoria en el uso de redes neuronales convolucionales, este proyecto concluye en la viabilidad de hacer uso de herramientas de IA para diagnosticar sistemas de generación fotovoltaica en sitio, y con sugerencia diagnostica del posible fallo que cada módulo de captación pueda estar sobrellevando en el momento de ser captado por medio de una imagen de espectro infrarrojo. Con lo anterior se puede mejorar la interconexión de los módulos para corregir su proceso de conversión energético, creando así una mejora en eficiencia general del sistema, así como los tiempos de retorno de inversión, lo que se espera redunde un impacto en el uso de masivo de este tipo de sistemas para la obtención de energía eléctrica haciendo uso de fuentes alternativas.