Um fator importante para o produtor de aves é o acompanhamento do peso corporal do animal, pois através deste acompanhamento é possível obter o peso ideal das aves para o comércio. No entanto, o monitoramento do crescimento animal por meio de balanças tradicionais é estressante para os animais, dispendioso e trabalhoso. Há na literatura estudos onde o acompanhamento do peso corporal do gado é realizado através de métodos de visão computacional, onde o peso do animal é estimado usando as imagens 3D com aplicações de redes neurais e regressão linear. Desse modo, os métodos usando visão computacional podem ser úteis no acompanhamento do peso do animal, no qual seria um método menos dispendioso de ser aplicado. Neste contexto, neste trabalho propomos desenvolver uma base de dados com imagens 3D de galinhas da raça canela-preta, obtidas a partir do sensor Kinect que é equipado com câmera 3D, e a partir das imagens obtidas, foram testados métodos de segmentação e foram utilizadas métricas a fim de verificar a qualidade da segmentação das imagens e assim verificar a melhor métrica que obteve o melhor resultado. Posteriormente foi selecionado um pequeno grupo com as melhores imagens e foram testadas abordagens preditivas a fim de estimar o peso corporal do animal. Por fim, foi avaliada a capacidade preditiva de cada abordagem, onde obtemos um valor r2 de até 0.94.