El método de identificación de hileras de plántulas de arroz basado en visión artificial se ve afectado por factores ambientales que disminuyen la precisión y la robustez del algoritmo de identificación de hileras de plántulas de arroz (por ejemplo, transformación de la luz ambiental, similitud de características entre malezas y arroz, y falta de plántulas en las hileras de arroz). Para resolver el problema de los factores ambientales mencionados, en este estudio se propone un método basado en Mapa de Calor Gaussiano para la identificación de hileras de plántulas de arroz. El método propuesto es un modelo CNN que comprende el Módulo de Convolución de Alta Resolución del modelo de extracción de características y el Mapa de Calor Gaussiano del módulo de regresión de puntos clave. El modelo CNN es guiado utilizando el Mapa de Calor Gaussiano generado por la continuidad del crecimiento de las hileras de arroz y las características de distribución del arroz en las hileras de arroz para aprender las características de distribución de las hileras de plántulas de arroz en el proceso de entrenamiento, y las posiciones de las coordenadas de los respectivos puntos clave se devuelven con precisión a través del módulo de regresión. Para los tres escenarios de arroz (incluyendo escena normal, escena de plántulas faltantes y escena de malezas), el desplazamiento promedio de píxeles del modelo fue del 94.33%, 91.48%, 94.36% y 3.09, 3.13 y 3.05 píxeles, respectivamente, para el método propuesto, y la velocidad de inferencia directa del modelo alcanzó los 22 FPS, lo que puede cumplir con los requisitos de tiempo real y precisión de la maquinaria agrícola en la gestión de campo.