El uso de tecnología de visión por computadora para estimar el peso vivo de los cerdos es un método importante para lograr el bienestar porcino. Pero hay dos problemas clave que afectan la estimación del peso de los cerdos: uno es la iluminación desigual, que conduce a una extracción de contornos poco clara de los cerdos, y el otro es la curvatura del cuerpo del cerdo, que lleva a información incorrecta sobre el cuerpo del cerdo. Para el primero, se utilizó Mask R-CNN para extraer el contorno del cerdo, y la imagen de máscara obtenida se convirtió en una imagen binaria de la cual pudimos obtener una imagen de contorno más precisa. Para el segundo, se corrigieron la longitud del cuerpo, el ancho de la cadera y la distancia desde la cámara hasta la espalda del cerdo mediante XGBoost y la información medida realmente. Luego analizamos la racionalidad de las características extraídas. Se utilizaron tres estrategias de combinación de características para predecir el peso del cerdo. En total, se utilizaron 1505 imágenes de espaldas de 39 cerdos obtenidas con Azure Kinect DK en los experimentos numéricos. La mayor precisión de predicción es de XGBoost, con un MAE de 0.389, RMSE de 0.576, MAPE de 0.318% y de 0.995. También recomendamos utilizar el método Mask R-CNN + RFR porque tiene una precisión bastante alta en cada estrategia. Los resultados experimentales muestran que nuestro método propuesto tiene un rendimiento excelente en la estimación del peso vivo de los cerdos.