本研究旨在基于机器视觉构建奶牛泌乳期高通量体重表型，分析泌乳早期能量负平衡及后续体况恢复阶段的体重动态变化规律，并探究其与产奶和繁殖性状之间的表型关联。研究于规模化牧场的挤奶厅出口布设双视角2D相机，并利用深度学习分割算法提取奶牛躯干轮廓，结合双视角几何特征构建多元线性回归模型以预测视觉体重。随后提取泌乳牛的关键阶段体重，并以阶段体重差值构建体重变化性状，分析泌乳牛体组织动员与恢复过程的动态变化规律。同时采用皮尔逊相关分析以评估阶段体重及体重变化与产奶和繁殖性状之间的表型关联。质控后共获得3 149头奶牛41万余条体重记录，平均体重为601.8 kg，群体均值随泌乳阶段变化呈现产后早期体重快速下降，随后逐步回升的典型动态变化轨迹。相关分析表明，阶段体重与不同产奶性状间的关联方向并不一致，其与产奶量、乳脂率及体细胞评分均呈正相关，而与乳蛋白率呈负相关；同时，阶段体重与繁殖性状均呈正相关。相比之下，体重变化与产奶和繁殖性状的相关方向则随泌乳阶段发生变化。在泌乳早期能量负平衡阶段，体重变化与产奶量呈正相关，而与乳脂率、乳蛋白率和体细胞评分呈负相关；进入体况恢复阶段后，体重变化与产奶量转为负相关，与乳脂率转为正相关，而与乳蛋白率和体细胞评分的相关则在不同恢复时期存在差异。体重变化与繁殖性状之间总体呈负相关，且在恢复阶段更为显著。基于机器视觉构建的视觉体重表型能够在实际生产场景中实现稳定、连续的高通量采集，并有效揭示泌乳牛的体重动态变化规律及其与产奶、繁殖性状间的表型关联，可为泌乳牛能量状态评估、生产管理和遗传改良提供表型基础。