La clasificación automática de modulación (AMC) es una tecnología prometedora para identificar el modo de modulación de la señal recibida en sistemas de comunicación de drones. Recientemente, beneficiándose del destacado rendimiento de clasificación del aprendizaje profundo (DL), se han introducido varias redes neuronales profundas (DNNs) en los métodos de AMC. La mayoría de los métodos actuales de AMC se basan en un marco local (LocalAMC) donde solo hay un dispositivo, o un marco centralizado (CentAMC) donde múltiples dispositivos locales (LDs) suben sus datos a un solo servidor central (CS). LocalAMC puede no lograr resultados ideales debido a la insuficiencia de datos y la potencia computacional finita. CentAMC conlleva un riesgo significativo de filtración de privacidad y los datos finales para el modelo de entrenamiento en CS son bastante masivos. En este documento, proponemos un método de AMC práctico y ligero basado en el aprendizaje descentralizado con red residual (ResNet) en sistemas de comunicación de drones. Los resultados de simulación muestran que el método de AMC descentralizado basado en ResNet (DecentAMC) logra un rendimiento de clasificación similar al de CentAMC, mientras mejora la eficiencia de entrenamiento y protege la privacidad de los datos.