Исследование посвящено проблеме объективного и высокопроизводительного контроля качества инкубационных яиц в условиях современного птицеводства. Традиционные методы визуальной оценки с использованием овоскопа характеризуются субъективностью, низкой пропускной способностью и не позволяют в полной мере выявлять скрытые дефекты, прогнозировать жизнеспособность эмбрионов и пол будущего цыплёнка. В работе предложен комплексный подход к автоматизации процесса оценки и отбора яиц на основе методов компьютерного зрения и машинного обучения. Целью исследования являлась разработка автоматизированной системы, реализующей последовательный алгоритм предобработки и фильтрации изображений, классификацию яиц по оплодотворенности и ранней гибели эмбриона (ROC-AUC ≥ 0,98 и 0,95 соответственно), сегментацию контура яйца и воздушной камеры, детекцию трещин и поверхностных включений (F1-score ≥ 0,85, mAP@[.5:.95] ≥ 0,70), а также вычисление морфометрических параметров (большой диаметр, малый диаметр, длина большой и малой окружности, длина большой и малой полуоси продольного сечения, площадь продольного сечения, площадь поперечного сечения, площадь поверхности, объем яйца, угол острого конца). Экспериментальная апробация проводилась на базе ООО «Племптицесовхоз «Увинский» Удмуртской Республики. Общий объём выборки составил 1350 яиц, отобранных в период максимальной интенсивности яйцекладки кур (42 недели). Время обработки одного яйца не превышает 200 мс, что обеспечивает производительность свыше 600 яиц/час в ручном режиме и до 3600 яиц/час в автоматическом. Разработанное решение формирует структурированные отчёты (JSON, CSV) и визуализирует результаты (маски сегментации, бинарные карты, графики). Предложенная система может быть интегрирована как в высокопроизводительные промышленные линии, так и в лабораторные участки выборочного контроля, способствуя повышению выводимости цыплят и снижению экономических потерь.