En entornos de jardines de té no estructurados, el reconocimiento preciso y la estimación de la postura de las hojas de brotes de té son críticos para los robots de cosecha autónomos. Debido a variaciones en la distancia de imagen, las hojas de brotes de té presentan diversas características de escala y postura en las vistas de la cámara, lo que complica significativamente el proceso de reconocimiento y estimación de la postura. Este estudio propone un método que utiliza una cámara RGB-D para el reconocimiento preciso y la estimación de la postura de las hojas de brotes de té. El enfoque primero construye un modelo para las hojas de brotes de té, seguido de una estrategia de estimación de peso dinámica para lograr una estimación de postura adaptativa. Experimentos cuantitativos demuestran que el modelo de segmentación de instancias logra un mAP@50 del 92.0% para la detección de cajas y del 91.9% para la detección de máscaras, mejorando en un 3.2% y un 3.4%, respectivamente, en comparación con el modelo de segmentación de instancias YOLOv8s-seg. Los resultados de la estimación de postura indican un error angular máximo de 7.76 grados, un error angular promedio de 3.41 grados, un error angular medio de 3.69 grados y una desviación absoluta mediana de 1.42 grados. Los errores de distancia correspondientes son de 8.60 mm, 2.83 mm, 2.57 mm y 0.81 mm, confirmando aún más la precisión y robustez del método propuesto. Estos resultados indican que el método propuesto puede aplicarse en entornos de jardines de té no estructurados para una cosecha precisa y no destructiva con robots autónomos de cosecha de hojas de brotes de té.