El estudio actual se realizó para identificar el mejor estimador(es) del peso corporal basado en diversas medidas morfométricas lineales en cerdos Landlly utilizando redes neuronales artificiales (ANN) y modelos de regresión no lineal en tres etapas de vida (4ª, 6ª y 8ª semana). Se tomaron veinticuatro medidas morfométricas lineales diferentes en 279 lechones individualmente en todas las etapas y se elucidaron sus correlaciones con el peso corporal. Los rasgos con alta correlación (>=0.8) con el peso corporal fueron seleccionados en diferentes etapas. Los rasgos seleccionados se categorizaron en 31 combinaciones diferentes (simple, dos, tres, cuatro y cinco) y se sometieron a modelado ANN para determinar la mejor combinación de predictores de peso corporal en cada etapa. El modelo con el R más alto y el MSE más bajo fue seleccionado como el mejor ajuste para un rasgo particular. Los resultados revelaron que la combinación de circunferencia torácica (HG), longitud corporal (BL) y circunferencia de panza (PG) fue la más eficiente para predecir el peso corporal de los lechones en la 4ª semana (R = 0.8697, MSE = 0.4419). La combinación de circunferencia de cuello (NCR), altura de espalda (HB), BL y HG predijo eficazmente el peso corporal a las 6 (R = 0.8528, MSE = 0.8719) y 8 (R = 0.9139, MSE = 1.2713) semanas. La combinación de dos rasgos BL y HG exhibió una correlación notablemente alta con el peso corporal en todas las etapas y por lo tanto se utilizó para desarrollar un modelo ANN separado que resultó en una mejor capacidad de predicción del peso corporal (R = 0.9131, MSE = 1.004) en comparación con los modelos dependientes de la edad. Los resultados de los modelos ANN fueron comparables a los modelos de regresión no lineal en todas las etapas.