La detección precisa de FAP de onda P (First-Arrival Picking) en señales sísmicas es crucial en varios campos industriales, incluyendo la exploración de carbón y petróleo, construcción de túneles, fracturamiento hidráulico y sistemas de alerta temprana de terremotos. En la actualidad, la detección de FAP de onda P se basa en la identificación manual por expertos y métodos automatizados que utilizan algoritmos de Promedio a Corto Plazo a Promedio a Largo Plazo. Sin embargo, estos enfoques enfrentan desafíos significativos de rendimiento, especialmente en presencia de ruido de fondo en tiempo real. Para superar esta limitación, este estudio propone un nuevo método de detección de FAP de onda P que emplea el modelo U-Net e incorpora técnicas de transformación de espectrogramas para señales sísmicas. Las señales sísmicas, similares a las encontradas en Corea del Sur, fueron generadas utilizando el programa de simulación de modelos estocásticos. Se agregó Ruido Gaussiano Blanco (WGN) sintetizado para replicar el ruido de fondo. Las señales resultantes se transformaron en imágenes de espectrogramas 2D y se utilizaron como datos de entrada para el modelo U-Net, asegurando una detección precisa de FAP de onda P. En los resultados experimentales, demostró métricas de rendimiento sólidas, logrando un MSE de 0.0031 y un MAE de 0.0177, y un RMSE de 0.0195. Además, exhibió capacidades precisas de detección de FAP en la predicción de imágenes. El modelo basado en U-Net desarrollado mostró un rendimiento excepcional en la detección precisa de FAP de onda P en señales sísmicas con amplitudes variables. A través del modelo desarrollado, nuestro objetivo es contribuir al avance de la tecnología de monitoreo microsísmico utilizada en varios campos industriales.