Las úlceras en el pie diabético (DFS) son complicaciones diabéticas graves. El sistema neurológico debilitado del paciente daña los tejidos de la piel del pie, lo que resulta en amputación. Este estudio tiene como objetivo validar e implementar un sistema basado en aprendizaje profundo para la clasificación automática de úlceras abrasivas en el pie (AFS) y úlceras isquémicas en el pie diabético (DFS). Propusimos un modelo novedoso que combina las capacidades de la red neuronal convolucional (CNN) con Vgg-19. El método propuesto utilizó dos conjuntos de datos de referencia para clasificar AFS y DFS en el pie del paciente. Se utilizó una técnica de aumento de datos para mejorar la precisión del entrenamiento. Además, se realizó una segmentación de imágenes utilizando UNet++. Probamos y evaluamos el rendimiento de clasificación del modelo propuesto frente a dos clasificadores pre-entrenados conocidos, Inceptionv3 y MobileNet. El modelo propuesto clasificó imágenes de AFS y DFS isquémicas con una precisión del 99.05%, una precisión del 98.99%, una recuperación del 99.01%, un MCC de 0.9801 y una puntuación f1 del 99.04%. Además, los resultados de las evaluaciones estadísticas utilizando pruebas ANOVA y Friedman revelaron que el modelo propuesto exhibió un rendimiento notable. El modelo propuesto logró un rendimiento excelente que ayuda a los profesionales médicos a identificar úlceras en el pie.