В работе представлен качественный и количественный анализ устойчивости модели YOLOv8 к аддитивному гауссовскому шуму на выборке изображений крупного рогатого скота при решении задачи оценивания позы. Проведено измерение евклидовых отклонений и числа пропущенных точек при 34-х уровнях шума, выполнена декомпозиция ошибки на систематическую и случайную компоненты, осуществлён анализ робастности 19 анатомических точек и выявлены их кластеры с различными паттернами устойчивости. Установлены количественные пороги перехода модели из устойчивого режима в режим прогрессирующей деградации и систематического отказа. Обучение на зашумленных данных позволило повысить точность модели примерно в 3 раза, для одного из определяющих уровней шума, смещая порог отказа нейросетевой модели в область более интенсивного шума. Полученные результаты позволяют глубже понять природу ошибок и наметить пути повышения надёжности систем оценки позы при их эксплуатации в промышленных условиях