Die unterschiedlichen Farbeigenschaften der PV-Module machten den Markierungsprozess aufwendig, da alle möglichen optischen Eigenschaften im Trainingsdatensatz vorhanden sein sollten. Zudem erzeugen PV-Module mit sehr kleiner Oberfläche kaum visuelle Merkmale, die trainiert werden können und wurden daher nicht berücksichtigt. Bei der digitalen Kartierung kann es je nach Ausrichtung und der unterschiedlichen Dachneigungen zu optischen Verzerrungen der PV-Module kommen.
In ArcGIS (ESRI) wurden die Trainings-Datensätze für das Training mit einem Label versehen (als Shapefile) und in die TensorFlow Object Detection API (Deep Learning) exportiert (RCNN-Bildmaske). In TensorFlow wurde die RCNN-Bildmaske trainiert, um die PV-Module anhand der Trainings-Beispiele zu erkennen. Die PV-Module wurden mit Begrenzungsrahmen und dann mit Masken erkannt. Schließlich wurde das Modell in ArcGIS geladen, um den Rest der Region zu erkennen