Para la calificación automatizada del cerdo comercial coreano, proponemos redes neuronales profundas llamadas red de estimación de grosor de grasa dorsal (BTENet). La BTENet propuesta contiene módulos de segmentación y estimación de grosor para realizar simultáneamente una segmentación del área de grasa dorsal y una estimación de grosor. El módulo de segmentación estima una máscara del área de grasa dorsal a partir de una imagen de entrada. A través tanto de la imagen de entrada como de la máscara de grasa dorsal estimada, el módulo de estimación de grosor predice un grosor real de grasa dorsal en milímetros mediante el análisis efectivo del área de grasa dorsal. Para entrenar a BTENet, también creamos un conjunto de datos de imágenes de cerdos a gran escala llamado PigBT. Los resultados experimentales validan que la BTENet propuesta logra una estimación confiable del grosor (coeficiente de correlación de Pearson: 0,915; error absoluto medio: 1,275 mm; error porcentual absoluto medio: 6,4%). Por lo tanto, esperamos que BTENet acelere una nueva fase para el sistema de calificación automatizada del cerdo comercial coreano.