La evaluación de la ubicación de paneles solares suele ser un proceso manual que consume mucho tiempo, y se deben tener en cuenta muchos criterios antes de decidir. Uno de los criterios más significativos es la ubicación del edificio y el entorno circundante. Este proyecto de investigación tiene como objetivo proponer un modelo para identificar automáticamente espacios potenciales en techos para paneles solares utilizando drones y redes neuronales convolucionales (CNN). Se utilizan redes neuronales convolucionales (CNN) para identificar los techos de los edificios a partir de imágenes de drones. Se aplica el aprendizaje por transferencia en la CNN para clasificar los techos de los edificios en dos categorías: sombreados y no sombreados. La CNN se entrena y prueba en bases de datos de imágenes separadas para mejorar la precisión de la clasificación. Los resultados del proyecto actual demuestran una segmentación exitosa de los edificios y la identificación de techos sombreados. El modelo presentado en este documento puede utilizarse para priorizar los edificios en función de la probabilidad de obtener beneficios al cambiar a energía solar. Para ilustrar una implementación del modelo presentado, se ha aplicado a un vecindario seleccionado en la ciudad de Hurricane en Virginia Occidental. Los resultados de la investigación muestran que el modelo propuesto puede ayudar a los inversores en los sectores de energía y construcción a tomar decisiones mejores y más informadas.