En la cría de patos, obtener la información de la postura es vital para percibir su salud fisiológica, garantizar el bienestar en la cría y monitorear el confort ambiental. Este artículo propone un método de estimación de postura combinando HRNet y CBAM para lograr una detección automática y precisa de las múltiples posturas de los patos. A través de la comparación, se identifica HRNet-32 como la opción óptima para la estimación de la postura de los patos. Basado en esto, se integran densamente múltiples módulos CBAM en la red HRNet-32 para obtener el modelo de estimación de postura basado en HRNet-32-CBAM, logrando una detección precisa y correlación de ocho puntos clave en seis comportamientos diferentes. Además, se prueba la capacidad de generalización del modelo bajo diferentes condiciones de iluminación, y se evalúan las capacidades de detección del modelo en patitos de Cherry Valley de 12 y 24 días de edad. Además, este modelo se compara con métodos de estimación de postura convencionales para revelar sus ventajas y desventajas, y se prueba su rendimiento en tiempo real utilizando imágenes de tamaños de 256 x 256, 512 x 512 y 728 x 728 píxeles. Los resultados experimentales indican que para el conjunto de datos de estimación de postura de patos, el método propuesto logra una precisión promedio (AP) de 0.943, lo que demuestra una fuerte capacidad de generalización y puede lograr una estimación en tiempo real de las múltiples posturas de los patos bajo diferentes edades, razas y modos de cría. Este estudio puede proporcionar una referencia técnica y una base para la cría inteligente de animales de corral.