全世界種植水稻的面積將近 1.62 億公頃，是主要的糧食作物之一，大多數估算水稻產量較準確的方法是人工計算水稻植株，但這會耗費過多精力及時間；過去許多學者嘗試使用影像處理技術來完成水稻植株的計數，有可能因為天氣的不同使得影像色彩不一樣，而無法使用同一種方法來完成計數，或是因為有雜草、其他非水稻之障礙物等造成計數上的錯誤。中國和新加坡的研究人員最近成功開發出以無人機代替人工水稻計數，負責統籌的南京郵電大學姚教授表示，透過無人機拍攝稻田所產出之 RGB 圖像，再利用開發的 RiceNet 的深度學習網絡進行後續處理，可準確識別田間水稻作物的種植密度，並成功提供作物位置及植株大小。

　　研究團隊於中國南昌市的稻田部屬一架配備攝像頭的無人機，在具有 257,793手動標記點的 355 張圖像中進行訓練驗證，透過RiceNet 的深度學習網絡，可以有效地將水稻作物與背景區分開，提高生成植物密度圖的質量，其平均絕對誤差與均方根誤差分別為 8.6 和 11.2，與使用手動方法生成之密度圖相當一致。這項成果對於無人機和深度學習之作物分析技術而言，可謂是向前邁進了一大步，未來不僅可協助國家研擬政策及戰略，亦能藉此改善全國糧食和經濟作物的生產。