飞机掩体是关键的飞机防护工事，利用遥感影像实现飞机掩体的快速准确检测有重要意义。为探究遥感影像飞机掩体检测方法，收集了60个包含飞机掩体的机场信息及Google Earth影像，构建了一个飞机掩体高分辨率遥感影像数据集。对比Faster R-CNN、SSD、RetinaNet、YOLOv3和YOLOX等5个深度学习目标检测模型的综合性能，结果表明，在飞机掩体影像数据集上YOLOX模型表现更佳，平均精度可达97.7%，但水平框的检测结果无法获得飞机掩体的精确边界和朝向。为此，对YOLOX模型进行改进，提出针对不同朝向下的飞机掩体检测新方法R-YOLOX，实现对飞机掩体的旋转检测，旋转预测框更加贴合目标轮廓，采用KL 散度损失改进后的模型精度显著提升，准确率提升了7.24个百分点，对飞机掩体具有更好的检测效果。从水平框和旋转框这2个角度都能实现飞机掩体的准确检测，为高分辨率遥感影像中飞机掩体的准确识别提供了新思路。