El comportamiento alimentario es uno de los indicadores críticos de bienestar de los pollos de engorde. Por lo tanto, comprender el comportamiento alimentario puede proporcionar información importante sobre el uso de los recursos avícolas y perspectivas sobre la gestión de granjas. El monitoreo de los comportamientos avícolas se realiza típicamente a través de la observación visual humana. A pesar de las aplicaciones exitosas de este método, su implementación en grandes granjas avícolas requiere tiempo y esfuerzo. Por lo tanto, existe la necesidad de enfoques automatizados para superar estos desafíos. En consecuencia, este estudio tuvo como objetivo evaluar el tiempo de alimentación de pollos de engorde individuales mediante un modelo basado en redes neuronales convolucionales. Para lograr el objetivo de esta investigación, se etiquetaron 1500 imágenes recopiladas de una granja avícola para entrenar el modelo You Only Look Once (YOLO) para detectar las cabezas de los pollos. También se desarrolló un algoritmo de seguimiento basado en la distancia euclidiana para rastrear las cabezas detectadas. El algoritmo desarrollado estimó el tiempo de alimentación del pollo de engorde al reconocer si su cabeza está dentro del comedero. Se aplicaron tres videos etiquetados de 1 minuto para evaluar el rendimiento del algoritmo propuesto. El algoritmo logró una precisión general de estimación del tiempo de alimentación de cada pollo por visita al comedero del 87.3%. Además, los resultados obtenidos demuestran que el algoritmo propuesto puede utilizarse como una herramienta en tiempo real en granjas avícolas.