En las granjas avícolas enjauladas, la mala iluminación y múltiples oclusiones afectan la eficacia de detección de pollos. Este estudio establece un conjunto de datos de imágenes especializado que captura diversas condiciones de iluminación y oclusión y propone un modelo de detección mejorado llamado Chicken-YOLO. Este modelo mejora la extracción de características de textura de plumas y contorno de cresta, fortalece la coordinación de información local-global y mejora la percepción de escenas con oclusiones. La validación experimental confirma el rendimiento superior de detección de Chicken-YOLO, proporcionando una solución automatizada confiable para la agricultura de precisión que aumenta la productividad y la gestión del bienestar animal. El trabajo futuro ampliará el conjunto de datos, refinará metodologías y reducirá las demandas computacionales para mejorar la viabilidad de implementación práctica.