El alojamiento del arroz afecta seriamente la calidad y producción del arroz. Los métodos tradicionales manuales para detectar el alojamiento del arroz son intensivos en mano de obra y pueden resultar en una acción tardía, lo que lleva a pérdidas en la producción. Con el desarrollo del Internet de las Cosas (IoT), los vehículos aéreos no tripulados (UAV) proporcionan asistencia inminente para el monitoreo del estrés de los cultivos. En este artículo, proponemos un novedoso sistema de detección ligero con UAV para el alojamiento del arroz. Aprovechamos los UAV para adquirir la distribución del crecimiento del arroz, y luego nuestra red de atención global propuesta (GloAN) utiliza esta adquisición para detectar las áreas de alojamiento de manera eficiente y precisa. Nuestros métodos tienen como objetivo acelerar el procesamiento del diagnóstico y reducir las pérdidas de producción causadas por el alojamiento. Los resultados experimentales muestran que nuestro GloAN puede llevar a un aumento significativo en la precisión con costos computacionales despreciables. Además, probamos la capacidad de generalización de nuestro GloAN y los resultados muestran que el GloAN se generaliza bien en los modelos de pares (Xception, VGG, ResNet y MobileNetV2) con destilación de conocimiento y obtiene la mejor intersección media sobre unión (mIoU) de 92.85%. Los resultados experimentales muestran la flexibilidad de GloAN en la detección del alojamiento del arroz.