En el cultivo y cría de arroz, obtener información precisa sobre la cantidad y distribución espacial de las plantas de arroz es crucial. Sin embargo, los métodos tradicionales de muestreo en campo solo pueden proporcionar estimaciones aproximadas del recuento de plantas y no logran capturar las ubicaciones precisas de las plantas. Para abordar estos problemas, este artículo propone P2PNet-EFF para el conteo y la localización de plantas de arroz. En primer lugar, a través de la introducción de la fusión de características mejorada (EFF), el modelo mejora su capacidad para integrar información semántica profunda mientras conserva detalles espaciales superficiales. Esto permite que el modelo analice holísticamente la morfología de las plantas en lugar de centrarse únicamente en sus puntos centrales, reduciendo sustancialmente los errores causados por la superposición de hojas. En segundo lugar, al integrar la atención eficiente multi-escala (EMA) en la estructura principal, el modelo mejora sus capacidades de extracción de características y suprime la interferencia de fondos similares. Finalmente, para evaluar la efectividad del método P2PNet-EFF, presentamos el conjunto de datos URCAL para el conteo y la localización de arroz, recopilado utilizando UAV. Este conjunto de datos consta de 365 imágenes de alta resolución y 173,352 anotaciones de puntos. Los resultados experimentales en el URCAL demuestran que el método propuesto logra una reducción del 34.87% en el MAE y del 28.19% en el RMSE en comparación con el P2PNet original, aumentando en un 3.03%. Además, realizamos experimentos extensos en tres conjuntos de datos de conteo de plantas de uso frecuente. Los resultados demuestran el excelente rendimiento del método propuesto.