El peso vivo de los cerdos siempre ha sido un índice de referencia importante para el monitoreo del crecimiento y el estado de salud de los cerdos de cría. Un adquisición precisa del peso de los cerdos de cría es clave para guiar la alimentación científica de los cerdos de cría y mejorar los beneficios económicos. En comparación con el método de medición de contacto tradicional, el método de pesaje sin contacto de cerdos vivos puede reducir en gran medida el contacto humano-cerdo y los errores de medición. En este documento, se construye una red neuronal profunda que puede predecir automáticamente y con precisión el peso de los cerdos vivos mediante la medición de múltiples parámetros corporales. Debido a la buena capacidad de generalización de la red neuronal de función de base radial (RBF) y la mejor capacidad de ajuste de la red de múltiples capas que la red de una sola capa tradicional, este documento introduce un modelo de conexión completa en la capa intermedia, conecta múltiples capas RBF, construye una red RBF de múltiples capas e inventa el método de aprendizaje automático del peso del cerdo basado en la red. En este método, la longitud corporal, la altura corporal, el ancho corporal y otros cinco parámetros corporales se introducen, después de normalización, en el modelo de red RBF de múltiples capas para el entrenamiento, y como resultado, la red proporciona un peso predicho. Entre nuestros 4721 cerdos vivos, hay 2452 cerdas y 2269 verracos, entre los cuales se seleccionan aleatoriamente 2000 muestras de cerdas como conjuntos de entrenamiento y 452 muestras como conjuntos de prueba; 1930 muestras de verracos se toman como conjuntos de entrenamiento y 339 muestras como conjuntos de prueba. La prueba muestra que el rendimiento de la estructura de la red es el siguiente: R2 es 0.63, MAE es 1.85, RMSE es 5.74 y MAPE es 1.68.