본 논문에서는 약용 식물의 계층적 분류를 위한 새로운 접근 방식을 제시합니다. 기존 방법들이 계층적 분류와 미지 종 식별에 어려움을 겪는다는 점을 고려하여, 미지 종에 최적의 계층적 라벨을 할당하는 문제로 접근합니다. DenseNet121, 다중 스케일 자기 주의(MSSA), 그리고 계단식 분류기를 통합하여 계층적 분류를 수행하는 새로운 방법을 제안합니다. MSSA를 통해 이미지의 국소 및 전역 문맥 정보를 모두 포착하여 유사 종 간의 구분 및 신종 식별 성능을 향상시킵니다. 제안된 방법은 알려진 종과 미지 종 모두에 대한 우수한 성능을 보이며, 배경 아티팩트가 있는/없는 두 가지 최신 데이터셋에서 평가되었습니다. 미지 종에 대한 정확도는 문(phylum) 83.36%, 강(class) 78.30%, 목(order) 60.34%, 과(family) 43.32%를 달성했습니다. 기존 최첨단 방법보다 모델 크기가 약 4배 작아 실제 응용에 쉽게 배포할 수 있습니다.