La masa corporal de los cerdos es un indicador esencial de su crecimiento y salud. Últimamente, los métodos de estimación de la masa corporal de los cerdos sin contacto, basados en tecnología de visión por computadora, han ganado atención gracias a su potencial para mejorar el bienestar animal y garantizar la seguridad de los criadores. No obstante, los métodos actuales requieren que los cerdos estén restringidos en un corral de confinamiento, y no se ha realizado ningún estudio en un entorno sin restricciones. En este estudio, desarrollamos un modelo de estimación de la masa de los cerdos basado en aprendizaje profundo, capaz de estimar la masa corporal sin restricciones. Nuestro modelo comprende un algoritmo de segmentación de instancias de cerdos basado en Mask R-CNN, un algoritmo de detección de puntos clave de cerdos basado en Keypoint R-CNN y un algoritmo de estimación de masa de cerdos mejorado basado en ResNet que incluye convolución de múltiples ramas, convolución por profundidad y un cuello de botella invertido para mejorar la precisión. Construimos un conjunto de datos para este estudio utilizando imágenes y datos de masa corporal de 117 cerdos. Nuestro modelo logró un RMSE de 3.52 kg en el conjunto de prueba, que es inferior al del algoritmo de estimación de masa corporal de cerdos con ResNet y ConvNeXt como red base, y la velocidad media de estimación fue de 0.339 s·frame. Nuestro modelo puede evaluar la calidad corporal de los cerdos en tiempo real para proporcionar soporte de datos para la clasificación y ajuste de planes de cría, y tiene amplias perspectivas de aplicación.