La capacidad de reconocer los tamaños corporales de las ovejas está significativamente influenciada por la postura, especialmente sin fijación artificial, lo que lleva a cambios más notables. Este estudio presenta un modelo de reconocimiento utilizando la red neuronal convolucional Mask R-CNN para identificar los lados y espaldas de las ovejas. El enfoque propuesto incluye un algoritmo para extraer fotogramas clave a través del cálculo de máscaras y algoritmos específicos para las posturas de cabeza abajo, cabeza arriba y salto de las ovejas Ujumqin. El estudio reportó una precisión del 94.70% en la clasificación de posturas. Medimos los parámetros de tamaño corporal de las ovejas Ujumqin de diferentes sexos y en diferentes estados de caminata, incluyendo observaciones de cabeza abajo y cabeza arriba. Los errores para la posición de cabeza abajo de los carneros, en términos de longitud de inclinación del cuerpo, altura a la cruz, altura de la cadera y profundidad del pecho, se registraron como 0.08 +/- 0.06, 0.09 +/- 0.07, 0.07 +/- 0.05 y 0.12 +/- 0.09, respectivamente. Para los carneros en la posición de cabeza arriba, los errores correspondientes fueron 0.06 +/- 0.05, 0.06 +/- 0.05, 0.07 +/- 0.05 y 0.13 +/- 0.07, respectivamente. Los errores para la posición de cabeza abajo de las ovejas, en términos de longitud de inclinación del cuerpo, altura a la cruz, altura de la cadera y profundidad del pecho, se registraron como 0.06 +/- 0.05, 0.09 +/- 0.08, 0.07 +/- 0.06 y 0.13 +/- 0.10, respectivamente. Para las ovejas en la posición de cabeza arriba, los errores correspondientes fueron 0.06 +/- 0.05, 0.08 +/- 0.06, 0.06 +/- 0.04 y 0.16 +/- 0.12, respectivamente. El estudio observó que las ovejas que caminaban a través de un pasaje exhibían una postura de rodilla más curva en comparación con las mediciones normales, a menudo con la cabeza baja. Esta investigación presenta un esquema de recolección de datos rentable para estudiar múltiples posturas en la ganadería.