猪只表型精准检测对于提高遗传育种效率,提升猪肉品质,降低养殖成本等具有重要意义,是推动生猪精准养殖业发展的关键。传统的接触式及经典数字图像处理方法已不能适应目前猪只表型精准检测的要求。近年来不断发展的深度学习理论,在视频及图像处理领域获得了广泛应用,为准确的猪只表型检测提供了新的方法。目前,基于深度学习的猪只表型检测方法的相关研究还相对较少。因此,为了解决生产过程中猪只体重等表型难以准确检测的问题,在分析国内外研究现状的基础上,采用机器视觉及深度学习理论方法,设计并实现了精准猪只表型（面部姿态、体重等）的人工智能测量方法。首先,由于准确检测测量对象是表型检测的基础前提,因此针对猪脸区域的检测与分割,设计并实现了基于Mask R-CNN深度神经网络的猪脸自动识别与分割方法,在准确定位猪脸及其轮廓的同时,去除了猪脸背景。其次,与人不同,猪只在图片拍摄过程中难以正对摄像头,因而需要从多种姿态猪脸中识别出正脸图片,针对此问题,设计并实现了基于深度卷积神经网络的猪脸姿态分类方法,在对猪脸姿态进行分类的基础上提取出正脸图片。最后,根据猪只正脸与猪只体重的对应关系,在采集不同体重的猪只图片数据的基础上,设计并实现了基于深度残差神经网络的猪只体重预测模型。进而实现基于机器视觉的猪只体重无接触自动估计方法,以方便猪只体重的自动获取。实验结果表明该方法可以连续较精确地预测出猪只体重,不但可以避免给猪只造成不良的应激反应,影响生产效益,而且可以减少人力物力资源,方便对猪只生长进行连续的监测和研究,可提升猪只的现代化饲养和管理水平。