El número de plántulas de arroz y su distribución espacial son los principales componentes agronómicos para determinar el rendimiento del arroz. Sin embargo, la información agronómica mencionada se obtiene manualmente a través de inspección visual, lo cual no solo es laborioso y consume tiempo, sino que también es poco preciso. Para abordar estos problemas, este artículo propone RS-P2PNet, que cuenta y localiza automáticamente las plántulas de arroz a través de supervisión de puntos. Específicamente, RS-P2PNet primero adopta Resnet como su columna vertebral e introduce atención de canal local mixta (MLCA) en cada etapa. Esto permite que el modelo preste atención a la característica relacionada con la tarea en las dimensiones espaciales y de canal y evite la interferencia del fondo. Además, se propone un módulo de fusión de características multi-escala (MSFF) agregando diferentes niveles de características de la columna vertebral. Combina los detalles superficiales e información semántica de alto orden de las plántulas de arroz, lo que puede mejorar la precisión de posicionamiento del modelo. Finalmente, se construyen dos conjuntos de datos de plántulas de arroz, UERD15 y UERD25, con diferentes resoluciones, para verificar el rendimiento de RS-P2PNet. Los resultados experimentales muestran que los valores de MAE de RS-P2PNet alcanzan 1.60 y 2.43 en la tarea de conteo, y en comparación con P2PNet, se reducen en un 30.43% y 9.32%, respectivamente. En la tarea de localización, las tasas de Recuperación de RS-P2PNet alcanzan 97.50% y 96.67%, superando a las de P2PNet en 1.55% y 1.17%, respectivamente. Por lo tanto, RS-P2PNet ha logrado efectivamente el conteo y la localización de plántulas de arroz. Además, el MAE y el RMSE de RS-P2PNet en el conjunto de datos público DRPD alcanzan 1.7 y 2.2, respectivamente, demostrando buena generalización.