A pesar del importante número de estudios de clasificación realizados utilizando imágenes de plantas, los estudios sobre el desenfoque de movimiento no lineal son limitados. En general, el desenfoque de movimiento resulta de los movimientos de las manos de una persona que sostiene una cámara para capturar imágenes de plantas, o cuando la planta se mueve debido al viento mientras la cámara está quieta. Cuando estos dos casos ocurren simultáneamente, es altamente probable que se produzca un desenfoque de movimiento no lineal. Por lo tanto, se propone un novedoso método de clasificación basado en aprendizaje profundo aplicado a imágenes de plantas con varios desenfoques de movimiento no lineales. Además, este estudio propone un método basado en redes generativas adversarias para reducir el desenfoque de movimiento no lineal; por consiguiente, se explora el método para mejorar el rendimiento de la clasificación. Aquí, se realizan experimentos utilizando un conjunto de datos de imágenes en luz visible recolectadas por sí mismos. Evidentemente, la eliminación de desenfoque de movimiento no lineal resulta en un índice de similitud estructural (SSIM) de 73.1 y una relación señal-ruido pico (PSNR) de 21.55, mientras que la clasificación de plantas resulta en una precisión top-1 del 90.09% y una puntuación F1 de 84.84%. Además, el experimento realizado utilizando dos tipos de conjuntos de datos abiertos resultó en PSNR de 20.84 y 21.02 y SSIM de 72.96 y 72.86, respectivamente. El método propuesto de clasificación de plantas arroja precisión top-1 del 89.79% y 82.21% y puntuaciones F1 del 84% y 76.52%, respectivamente. Por lo tanto, la red propuesta produce mayores precisiones que los métodos existentes más avanzados.