El objetivo de este estudio fue evaluar diferentes métodos para predecir el peso corporal (BW) y el peso de canal caliente (HCW) a partir de mediciones biométricas obtenidas a través de imágenes tridimensionales de ganado Nellore. Se recolectaron BW y HCW de 1350 machos de ganado Nellore (toros y novillos) de cuatro experimentos diferentes. Se obtuvieron imágenes tridimensionales de cada animal utilizando el sensor Kinect modelo 1473 (Microsoft Corporation, Redmond, WA, EE. UU.). Los modelos se compararon en función de la estimación del error cuadrático medio y el coeficiente de correlación de concordancia. La calidad predictiva de los enfoques utilizó regresión lineal múltiple (MLR); operador de selección y reducción absoluta (LASSO); mínimos cuadrados parciales (PLS) y red neuronal artificial (ANN) y se vio afectada no solo por las condiciones (conjunto) sino también por el objetivo (BW vs. HCW). El más estable para BW fue el ANN (Conjunto 1: RMSEP = 19.68; CCC = 0.73; Conjunto 2: RMSEP = 27.22; CCC = 0.66; Conjunto 3: RMSEP = 27.23; CCC = 0.70; Conjunto 4: RMSEP = 33.74; CCC = 0.74), que mostró calidad predictiva independientemente del conjunto analizado. Sin embargo, al evaluar la calidad predictiva para HCW, los modelos obtenidos por LASSO y PLS mostraron mayor calidad en los diferentes conjuntos. En general, el uso de imágenes tridimensionales fue capaz de predecir BW y HCW en ganado Nellore.