El escarabajo del fresno es un plaga invasora que ha matado millones de fresnos en los EE. UU. desde su primera detección en 2002. Aunque los métodos actuales para atrapar escarabajos del fresno (por ejemplo, trampas adhesivas y árboles trampa) y las encuestas visuales terrestres y aéreas son generalmente efectivos, son ineficientes para localizar y evaluar con precisión los fresnos en declive y muertos en áreas grandes o de difícil acceso. Este estudio se llevó a cabo para desarrollar y evaluar una nueva herramienta para la detección y evaluación segura, eficiente y precisa del declive y muerte de los fresnos causados por el escarabajo del fresno, utilizando encuestas aéreas con sistemas aéreos no tripulados (también conocidos como drones) y un modelo de aprendizaje profundo. Se realizaron encuestas aéreas con drones para obtener 6174 imágenes aéreas que incluyen el declive de los fresnos en los bosques de hoja caduca en Virginia Occidental y Pennsylvania, EE. UU. Los fresnos en cada imagen fueron anotados manualmente para entrenar y validar modelos de aprendizaje profundo. Los modelos fueron evaluados utilizando las métricas de reconocimiento de objetos: precisiones promedio (mAP) y dos precisiones promedio (AP50 y AP75). Nuestras análisis exhaustivas con modelos de segmentación de instancias mostraron que Mask2former fue el modelo más efectivo para detectar fresnos en declive y muertos con 0.789, 0.617 y 0.542 para mAP y AP50, respectivamente, en el conjunto de datos de validación. Un estudio de campo in-situ de seguimiento realizado en nueve ubicaciones con varios niveles de declive y muerte de fresnos demostró que el aprendizaje profundo junto con la encuesta aérea utilizando drones podría ser una herramienta innovadora para la detección y evaluación rápida, segura y eficiente del declive y muerte de los fresnos en áreas grandes o de difícil acceso.