La detección temprana de enfermedades avícolas es crucial para prevenir brotes y garantizar la salud animal. Este estudio utilizó la termografía de las cabezas y patas de los pollos para identificar la influenza aviar y la enfermedad de Newcastle. Se aplicó un modelo de aprendizaje profundo (YOLOv8) para separar las regiones de la cabeza y las patas en las imágenes térmicas obtenidas, seguido de un modelo de clasificación (máquina de soporte vectorial) para predecir infecciones. Este estudio analizó tres tipos de imágenes: originales, con fondo eliminado y aquellas con áreas de cabeza y patas extraídas. Los resultados mostraron que centrarse en estas regiones mejoró la precisión del diagnóstico, alcanzando más del 90% de precisión en solo 8 horas después de la infección. El método fue más efectivo para detectar la enfermedad de Newcastle que la influenza aviar. Los hallazgos sugieren que este enfoque no invasivo puede ayudar a los avicultores y veterinarios a detectar enfermedades temprano, mejorando el control de enfermedades y reduciendo las pérdidas económicas.