Las plantas de energía solar se establecen típicamente en regiones con máxima irradiación solar, sin embargo, estas condiciones resultan en una acumulación de polvo significativa en los paneles, lo que causa una degradación del rendimiento y una reducción en la producción de energía. El documento aborda este problema a través de una solución de detección de polvo basada en imágenes impulsada por aprendizaje profundo, particularmente redes neuronales convolucionales (CNN). La mayoría de estas soluciones utilizan CNN de última generación ya sea como espinas dorsales/extractores de características, o proponen modelos personalizados construidos sobre ellas. Dada tal dependencia, la investigación futura requiere un análisis exhaustivo de modelos de CNN para identificar aquellos que logran un rendimiento superior en la clasificación de paneles solares limpios frente a polvorientos, tanto en términos de precisión como de eficiencia. Con este fin, evaluamos 100 modelos de CNN que pertenecen a 16 familias para la detección de polvo basada en imágenes en paneles solares, donde se utilizan los modelos preentrenados de estas arquitecturas de CNN para codificar imágenes de paneles solares. Sobre estas codificaciones de imágenes, luego entrenamos y probamos una máquina de soporte vectorial lineal (SVM) para determinar los modelos de mejor rendimiento en términos de precisión de clasificación y tiempo de entrenamiento. El uso de un clasificador tan simple asegura una comparación justa donde las codificaciones no se benefician del clasificador en sí y su rendimiento refleja la capacidad de cada CNN para capturar las características subyacentes de la imagen. Se realizaron experimentos en un conjunto de datos de detección de polvo disponible públicamente, utilizando un muestreo estratificado con divisiones de 70-30, 80-20 y 90-10, repetido 10 veces. convnext_xxlarge y resnetv2_152 lograron las mejores tasas de clasificación de más del 90%, siendo resnetv2_152 más eficiente, lo que también se apoya en análisis de características como tSNE y UMAP, y en inteligencia artificial explicable (XAI) como la visualización LIME. Para probar su capacidad de generalización, probamos las codificaciones de imagen de resnetv2_152 en un conjunto de datos de imágenes del mundo real no visto, capturado a través de una cámara de dron, que logró una notable precisión del 96%. En consecuencia, nuestros hallazgos guían la selección de espinas dorsales óptimas de CNN para futuros sistemas de detección de polvo basados en imágenes.