Este estudio tuvo como objetivo evaluar y mejorar la precisión de un modelo de detección de fugas de agua propuesto en investigaciones preliminares. Los malos resultados para el sonido de fuga de agua (recall) y el ruido de fondo (especificidad) se aclararon utilizando contramedidas de acuerdo con cada condición. Además, se utilizó amplificación de frecuencia en el rango de 500-600 Hz, la atenuación de componentes débiles y un filtro de banda eliminada para eliminar el componente de 50 Hz y sus armónicos. El preprocesamiento se llevó a cabo en forma de amplificación, con el ruido débil eliminado mediante un filtro de banda eliminada. Los resultados mostraron que la aplicación del modelo propuesto mejoró la precisión de detección en un 80% en los puntos de observación que inicialmente tenían baja precisión. Así, el método propuesto fue efectivo para mejorar el rendimiento del modelo de Red Neuronal Convolucional de Gráficos de Recurrencia (RP-CNN) para detectar fugas de agua.