松材线虫病是世界上最危险的森林病害之一,具有传染快、防治难的特点,严重威胁着我国的松木资源。在林区中识别、定位病害松木并及时进行治理是控制松材线虫病蔓延的有效手段。以小型商用无人机为平台获取林区遥感影像,分别对比了SSD、YOLO v3、Faster R-CNN 3种深度学习框架的训练效果,最终实现了遥感影像中病害松木的高效判别。考虑到病害松木在不同染病阶段存在病症差异性的情况,在标签数据集标记过程中将病害松木分为轻度、重度、病死三类。为提高模型的训练和识别效率,选择以效率更高的深度残差网络ResNet50代替VGG16作为深度学习框架的前置网络。试验结果表明,预训练模型调优技术的加入,有效减少了深度学习网络对前期数据量的依赖,对比SSD、YOLO v3目标检测框架,Faster R-CNN框架综合表现最好,对不同病害程度松木的识别正确率达到83.2%,实现了对林区遥感影像中病害松木高效精准的判别,也为林区病害松木的防治工作提供了可靠的辅助手段。