Este documento propone un método para la detección y segmentación automática de cerdos utilizando datos RGB-D para la agricultura de precisión en ganadería. El método propuesto combina el modelo mejorado YOLOv5s con la estructura de cuellos de botella Res2Net, lo que resulta en una mejor extracción de características finas y, en última instancia, mejora la precisión de la detección y segmentación de cerdos en imágenes 2D. Además, el método facilita la adquisición de datos de nubes de puntos 3D de cerdos de una manera más simple y eficiente al utilizar la máscara del cerdo obtenida en la detección y segmentación 2D y combinarla con la información de profundidad. Para evaluar la efectividad del método propuesto, se construyeron dos conjuntos de datos. El primer conjunto de datos consta de 5400 imágenes capturadas en varios corrales de cerdos bajo diversas condiciones de iluminación, mientras que el segundo conjunto de datos se obtuvo del Reino Unido. Los resultados experimentales demostraron que el YOLOv5s_Res2Net mejorado logró un mAP@0.5:0.95 de 89.6% y 84.8% para las tareas de detección y segmentación de cerdos en nuestro conjunto de datos, mientras que logró un mAP@0.5:0.95 de 93.4% y 89.4% en el conjunto de datos de comportamiento de cerdos de Edimburgo. Este enfoque proporciona información valiosa para mejorar la gestión de cerdos, realizar evaluaciones de bienestar y estimar el peso con precisión.