La energía solar es una importante fuente de energía renovable, y la eficiencia de los paneles solares es crucial. Sin embargo, pequeñas grietas y manchas oscuras, defectos de los paneles, pueden afectar significativamente el rendimiento de generación de energía. Para resolver el problema de identificación de defectos en paneles solares, se propone un método inteligente de clasificación de imágenes de electroluminiscencia (EL) basado en una red aleatoria (RandomNet50). El módulo de red aleatoria conectada se diseña combinando estrategias de eliminación y reutilización de características. La reutilización de características en redes aleatorias optimiza la estructura de la red y mejora la eficiencia de utilización de características. El modelo de red utiliza transformación geométrica y el método de red generativa adversaria de convolución profunda (DCGAN) para mejorar imágenes de EL de poca muestra (400) con diferentes estados. El experimento de comparación muestra que el RandomNet50 tiene un buen efecto de clasificación en las imágenes mejoradas. La precisión del conjunto de datos CIFAR-10/EL (96,15%/88,23%) es mejor que las redes residuales y densas. El método tiene una alta precisión de clasificación y proporciona un sólido apoyo técnico en el campo de las células solares.