Um fator crucial para produtores comerciais de aves é o acompanhamento do peso corporal dos animais, pois isso possibilita obter o peso ideal para a comercialização. Entretanto, o monitoramento do crescimento animal através de balanças tradicionais pode ser estressante, dispendioso e trabalhoso. Nesse sentido, métodos baseados em visão computacional podem ser úteis para realizar essa tarefa de maneira menos dispendiosa e mais humanitária. Com o objetivo de desenvolver um algoritmo para prever o peso de galinhas canela-preta, foram testados três métodos de segmentação de imagem, utilizando duas métricas para avaliar a qualidade da segmentação e obter a melhor abordagem de predição. Por fim, foi realizada uma avaliação da capacidade preditiva de cada abordagem, obtendo-se um R² de até 45%. Desse modo, este trabalho apresenta uma solução mais humanitária e econômica para o acompanhamento do peso de aves comerciais, evitando o estresse causado pelas balanças tradicionais e utilizando métodos de visão computacional para predizer o peso das aves.