Los fallos de cortocircuito inter-turno (ITSC) no necesariamente producen altas temperaturas pero tienen una distribución de calor y características especiales. Por lo tanto, se propone una nueva solución de reconocimiento para diagnosticar fallos, basada en el método de superposición de fallos, y se entrena una red neuronal convolucional (CNN) para lograr la identificación automática de imágenes infrarrojas. En este método, a través de la cobertura de capas, se lleva a cabo el método de aumento de imágenes propuesto y se simula el dato de fallo de aumento de entrenamiento. Producimos 43 trazas de fallos a través del método de superposición de fallos en el devanado trifásico de un transformador y usamos 90 imágenes infrarrojas de transformadores en funcionamiento normal combinadas con ellas para mejorar la cantidad de datos de imagen. La capacidad de reconocimiento de fallos se realiza en base al entrenamiento del modelo CNN, incluyendo el análisis de resultados experimentales de imágenes en escala de grises y en color, y ruido gaussiano. En la prueba del caso práctico, se realiza una prueba de cortocircuito del transformador seco de 11.4 kV, y se identifica el fallo ITSC cuando la carga es aproximadamente del 15%. El bloque característico de fallo en esta imagen térmica es de 36.3 grados, lo que verifica la identificación disponible por este método, y tiene un cierto valor de referencia para el desarrollo de la tecnología de diagnóstico de imágenes infrarrojas para equipos eléctricos.