La enfermedad del marchitamiento del pino es extremadamente perjudicial para los bosques. Es importante frenar la transmisión de la enfermedad para poder detectar árboles enfermos en imágenes de UAV, utilizando un algoritmo de detección. Sin embargo, la mayoría de los algoritmos de detección existentes para árboles enfermos ignoran la interferencia de fondos complejos en la extracción de características de los árboles enfermos en imágenes de drones. Además, el rango de muestreo de la muestra positiva no coincide con la forma circular del árbol enfermo en los métodos de muestreo existentes, lo que resulta en una muestra positiva de mala calidad del árbol enfermo muestreado. Este artículo propone una Red de Adaptación de Canal Multiescala Global para resolver estos problemas. Específicamente, se desarrolla un módulo de atención de canal multiescala global, que alivia el impacto negativo de las regiones de fondo en el modelo. Además, se propone un método de muestreo en círculo central para que el rango de muestreo de la muestra positiva se ajuste a la forma de un objetivo de árbol enfermo circular, mejorando significativamente la calidad de muestreo de la muestra positiva. Los resultados experimentales muestran que nuestro algoritmo supera a los siete algoritmos principales en el conjunto de datos de árboles enfermos y logra el mejor efecto de detección. La precisión promedio (AP) y la recuperación son del 79.8% y 86.6%, respectivamente.