Sistemas de avaliação postural baseados em análise de imagem fotográfica tem sido amplamente desenvolvido e utilizado como ferramenta para auxiliar profissionais no processo avaliativo e consequentmente na escolha do precedimento terapêutico mais adequado ao caso do paciente. Esses sistemas apresentam limitações dependentes do perfil biológico/anatômico dos pacientes, bem como da experiência do examinador na demarcação manual os pontos anatômicos. Além disso, são sistemas estáticos, com base em tecnologias não interativas, tornando assim, a captura e análise das imagens subjetiva. Nesse sentido, o objetivo do presente estudo é desenvolver e validar um sistema inteligente de avaliação postural por captura da imagem e localização dos pontos anatômicos de referência automatizado (NitLab Measurer – NLmeasurer). Para essa proposição, foi desenvolvido um sistema com a utilização do framework IONIC na versão 4. As interfaces de programação de aplicativos nativas foram fornecidas para acessar a câmera do dispositivo. Após a captura da imagem foi utilizado o modelo de Deep Learning PoseNet que faz parte do pacote TensorFlow, uma biblioteca de Machine Learning para detectar pontos anatômicos de referência. Em seguida, o aplicativo foi testado e comparado ao Software de Avaliação Postural (SAPO), por dois avaliadores independentes. Os resultados parciais revelaram que os métodos foram concordantes, ou seja, não houve diferença significativa entre o NLmeasurer e o SAPO.