Un acceso preciso y eficiente a la información sobre el tamaño del cuerpo de los caballos mongoles es un componente importante en la modernización de la industria equina. Apuntando a las deficiencias de los métodos de medición manual, como la baja eficiencia y el alto riesgo, este estudio convierte el problema de medición tradicional del tamaño del cuerpo del caballo en un problema de localización de puntos clave y propone un método automático de medición del tamaño del cuerpo del caballo mongol de arriba hacia abajo mediante la integración del algoritmo de detección de objetivos y el algoritmo de detección de puntos clave. En primer lugar, se añade el mecanismo de atención SimAM sin parámetros a la red principal YOLOv8n para constituir el algoritmo SimAM-YOLOv8n, que proporciona la imagen base para la posterior detección precisa de puntos clave; en segundo lugar, se utiliza el algoritmo de detección de puntos clave RTMPose basado en regresión de coordenadas para el entrenamiento del modelo y realizar la localización de puntos clave del caballo mongol. Por último, se empleó el método de recocido de coseno para ajustar dinámicamente la tasa de aprendizaje a lo largo de todo el proceso de entrenamiento y posteriormente realizar mediciones del cuerpo basadas en la información de cada punto clave. Los resultados experimentales muestran que la precisión promedio del algoritmo SimAM-YOLOv8n propuesto en este estudio fue del 90.1%, y la precisión promedio del algoritmo RTMPose fue del 91.4%. En comparación con las mediciones manuales, la altura de los hombros, la profundidad del pecho, la altura del cuerpo, la longitud del cuerpo, la altura de la grupa, el ángulo del hombro y el ángulo de la grupa tuvieron errores relativos medios (MRE) del 3.86%, 4.72%, 3.98%, 2.74%, 2.89%, 4.59% y 5.28%, respectivamente. El método propuesto en este estudio puede proporcionar soporte técnico para realizar mediciones precisas y eficientes de caballos mongoles.