Con el desarrollo de la inteligencia artificial, contar pollos de manera automática y precisa se ha convertido en una realidad. Sin embargo, la iluminación insuficiente, los tamaños irregulares y los grupos densos hacen que esta tarea sea un desafío. Los métodos existentes no pueden realizar un conteo preciso y estable. En este artículo, se propone una red de conteo de grupos densos de pollos (DFCCNet) basada en la regresión de mapas de densidad, donde las características de diferentes niveles se fusionan utilizando la fusión de características para obtener más información que permita distinguir los pollos del fondo, lo que resulta en resultados de conteo más estables. Se utiliza multi-escalado para detectar y contar pollos a varias escalas, lo que puede mejorar la precisión del conteo y garantizar un rendimiento estable para pollos de diferentes tamaños. Se adoptan núcleos de convolución de características para convolucionar mapas de características, lo que puede extraer información de objetivo más precisa, reducir el impacto de la oclusión y lograr resultados más confiables y precisos. Se ha recopilado y construido un conjunto de datos de grupos densos de pollos (es decir, Dense-Chicken), que contiene 600 imágenes de 99,916 pollos, con puntos y cajas etiquetados. Puede ser accedido por investigadores como datos de referencia. El método propuesto se comparó con algunos algoritmos de última generación para validar su efectividad. Con su robustez verificada al contar en tres tipos de situaciones de densidad, con un error absoluto medio de 4.26, 9.85 y 19.17, respectivamente, y una velocidad de 16.15 FPS. DFCCNet proporciona un enfoque automático y rápido para contar pollos en un entorno de agricultura densa. Puede ser fácilmente integrado en dispositivos portátiles para su aplicación en ingeniería agrícola.