El árbol de caucho (Hevea brasiliensis) es una especie de árbol importante para la producción de látex natural, que es una materia prima esencial para diversas variedades de productos industriales y no industriales. La identificación rápida y precisa del número de árboles de caucho no solo juega un papel importante en la predicción de la biomasa y el rendimiento, sino que también es beneficiosa para estimar los sumideros de carbono y promover el desarrollo sostenible de las plantaciones de caucho. Sin embargo, los métodos de reconocimiento existentes basados en la segmentación de características del dosel no son adecuados para detectar árboles de caucho individuales debido a su alta cobertura del dosel y estructura de copa similar. Afortunadamente, los árboles de caucho tienen un período de defoliación de aproximadamente 40 días, lo que hace que sus troncos sean claramente visibles en imágenes RGB de alta resolución. Por lo tanto, este estudio empleó un vehículo aéreo no tripulado (UAV) equipado con una cámara RGB para adquirir imágenes de alta resolución de plantaciones de caucho desde tres ángulos de observación (-90 grados, -60 grados, 45 grados) y dos direcciones de vuelo (SN: perpendicular a la fila de plantación de caucho, y WE: paralela a las filas de plantación de caucho) durante el período de caducidad. Se utilizaron cuatro redes neuronales convolucionales (red de atención multiescala, MAnet; Unet++; Unet; red de segmentación de escena en pirámide, PSPnet) para explorar ángulos y direcciones de observación beneficiosos para la identificación y conteo de troncos de árboles de caucho. Los resultados indican que Unet++ logró la mejor precisión de reconocimiento (precisión = 0.979, recuperación = 0.919, medida F = 94.7%) con un ángulo de observación de -60 grados y modo de vuelo de SN entre los cuatro algoritmos de aprendizaje profundo. Esta investigación proporciona una nueva idea para la identificación de troncos de árboles mediante la observación multiangular de bosques en períodos fenológicos específicos.