本稿では、薬用植物の階層的分類のための新しいアプローチを紹介します。既存の方法が階層分類と未知種の識別に困難を伴うことを考慮して、未知種に最適な階層ラベルを割り当てるという問題にアプローチします。 DenseNet121、マルチスケール自己主義（MSSA）、およびカスケード分類器を統合して階層分類を実行する新しい方法を提案します。 MSSAを介して画像の局所的およびグローバルなコンテキスト情報の両方を捕捉し、類似種間の区別および新種識別性能を向上させる。提案された方法は、既知の種と未知の種の両方に対して優れた性能を示し、バックグラウンドアーチファクトを有する／ない２つの最新のデータセットで評価された。未知種の精度は、ドア（phylum）83.36％、川（クラス）78.30％、首（order）60.34％、ファミリー43.32％を達成しました。従来の最先端の方法よりもモデルサイズが約4倍小さく、実際のアプリケーションに簡単に展開できます。
