En el campo de la gestión ganadera, la estimación del peso de los cerdos sin contacto ha avanzado considerablemente con la integración de tecnologías de visión por computadora y sensores. Sin embargo, los entornos agrícolas del mundo real presentan desafíos sustanciales para estas técnicas de estimación, incluidos los impactos de la iluminación variable y las complejidades de medir cerdos en movimiento constante. Para abordar estos problemas, hemos desarrollado un algoritmo innovador, el algoritmo de estimación del peso de cerdos en movimiento basado en visión profunda (MPWEADV). Este algoritmo utiliza de manera efectiva imágenes RGB y de profundidad para estimar con precisión el peso de los cerdos en movimiento. El MPWEADV emplea la avanzada red ConvNeXtV2 para una robusta extracción de características e integra un módulo de fusión de características de vanguardia. Respaldado por un estimador de mapa de confianza, este módulo fusiona de manera efectiva la información de las modalidades RGB y de profundidad, mejorando la precisión del algoritmo en la determinación del peso de los cerdos. Para demostrar su eficacia, el MPWEADV logró un error cuadrático medio (RMSE) de 4.082 kg y un error porcentual absoluto medio (MAPE) de 2.383% en nuestro conjunto de pruebas. Los análisis comparativos con modelos que replican la investigación más reciente muestran el potencial del MPWEADV en prácticas de estimación de peso de cerdos sin restricciones. Nuestro enfoque permite la evaluación en tiempo real de las condiciones de los cerdos, ofreciendo un valioso soporte de datos para la clasificación y ajuste de planes de cría, y tiene amplias perspectivas de aplicación.