El pesaje de pollos de engorde es esencial en la industria avícola. Los sistemas basados en cámaras pueden pesar económicamente varios tipos de pollos de engorde sin plataformas costosas. Sin embargo, los métodos existentes de visión por computadora para la estimación de peso son menos maduros, ya que se centran en pollos de engorde jóvenes. Como resultado, el error de estimación aumenta con la edad del pollo de engorde. Para abordar esto, este documento presenta un nuevo marco. Primero, emplea Mask R-CNN para la segmentación de instancias de imágenes de profundidad capturadas por cámaras 3D. A continuación, una vez que las imágenes de un solo pollo de engorde o múltiples pollos de engorde están segmentadas, las características artificiales extendidas y las características aprendidas extraídas por Customized Resnet50 (C-Resnet50) se fusionan mediante un módulo de fusión de características. Finalmente, las características fusionadas se utilizan para estimar el peso corporal de cada pollo de engorde empleando un árbol de decisión de refuerzo por gradiente (GBDT). Al integrar diversas características con GBTD, el marco propuesto puede obtener eficazmente la instancia del pollo de engorde entre muchas imágenes de profundidad de múltiples pollos de engorde en el campo visual a pesar del fondo complejo. Los resultados experimentales muestran que este marco aumenta significativamente la precisión y la robustez. Con un MAE de 0.093 kg y un R de 0.707 en un conjunto de prueba de 240 imágenes de pollos bantam de 63 días, supera a otros métodos.