Actualmente, una red energéticamente consciente basada en Internet de las Cosas (IoT) verde juega un papel significativo en la tecnología de detección. El desarrollo de IoT tiene un gran impacto en varias áreas de aplicación como la salud, las ciudades inteligentes, el transporte, etc. El aumento exponencial en los nodos de sensores podría resultar en una disipación de energía mejorada. Por lo tanto, la minimización del impacto ambiental en las redes de medios verdes es un problema desafiante tanto para investigadores como para empresarios. La eficiencia energética y la seguridad siguen siendo cruciales en el diseño de aplicaciones de IoT. Este documento presenta una nueva técnica de enrutamiento energéticamente eficiente y verde con detección de anomalías basada en DL (GEER-DLAD) para aplicaciones de IoT. El modelo presentado permite a los dispositivos de IoT utilizar la energía de manera efectiva para aumentar el alcance de la red. La técnica GEER-DLAD realiza una técnica de compresión con pérdida de errores (ELC) para reducir la cantidad de comunicación de datos en la red. Además, se aplica el algoritmo de optimización de enjambre de llamas de polilla (MSO) para la selección óptima de rutas en la red. Además, el proceso DLAD tiene lugar a través del modelo de red neuronal recurrente de memoria a corto y largo plazo (RNN-LSTM) para detectar anomalías en las redes de comunicación de IoT. Se lleva a cabo un detallado proceso de validación experimental y los resultados aseguraron la mejora del modelo GEER-DLAD en términos de eficiencia energética y rendimiento de detección.