En cuanto a todas las aves, el comportamiento de las gallinas está determinado en gran medida por las condiciones ambientales. En muchos sistemas de producción, la intensidad de la luz es baja y las cepas de plumas rojas tienen bajo contraste con el fondo, lo que hace imposible utilizar técnicas convencionales de segmentación de imágenes. Por otro lado, los estudios sobre el comportamiento de las gallinas, incluso al utilizar recursos de cámaras de video, dependen de la visión humana para extraer la información de interés; y en este caso, se observan muestras reducidas, debido al alto costo de tiempo y energía. Nuestro trabajo combinó el uso de técnicas avanzadas de detección de objetos utilizando la arquitectura YOLO v4 para localizar gallinas en videos de baja calidad, y extrajimos automáticamente información sobre la ubicación de las aves en más de 648 horas de grabación. Desarrollamos un sistema automatizado que permite a las gallinas transitar entre tres entornos con diferentes iluminaciones equipados con cámaras de video para monitorear la presencia de aves en cada compartimento, y contamos automáticamente el número de aves en cada compartimento y determinamos su preferencia. Nuestro algoritmo de detección de gallinas muestra una precisión media promedio del 99.9%, y una inspección manual de los resultados mostró una precisión del 98.8%. Los resultados del análisis del comportamiento basados en el índice de inquietud de las aves y el tiempo de permanencia indican que las gallinas tienden a preferir la luz blanca y desfavorecer la luz verde, excepto en presencia de estrés térmico cuando no se puede observar una preferencia clara. Este estudio demuestra el potencial de utilizar técnicas de visión por computadora con cámaras de baja resolución y bajo costo para monitorear gallinas en condiciones de poca luz.