En este artículo, presentamos un enfoque novedoso para la clasificación jerárquica de plantas medicinales. Considerando que los métodos existentes presentan dificultades para la clasificación jerárquica y la identificación de especies desconocidas, abordamos el problema de asignar etiquetas jerárquicas óptimas a estas especies. Proponemos un método novedoso para realizar la clasificación jerárquica mediante la integración de DenseNet121, autoatención multiescala (MSSA) y un clasificador en cascada. MSSA captura información contextual local y global de la imagen para mejorar la distinción entre especies similares y la identificación de nuevas especies. El método propuesto muestra un excelente rendimiento tanto para especies conocidas como desconocidas, y se evalúa en dos conjuntos de datos de vanguardia con y sin artefactos de fondo. La precisión para especies desconocidas es del 83,36 % para el filo, del 78,30 % para la clase, del 60,34 % para el orden y del 43,32 % para la familia. El tamaño del modelo es aproximadamente cuatro veces menor que el de los métodos de vanguardia existentes, lo que facilita su implementación en aplicaciones del mundo real.
