Las plantas juegan un papel vital en numerosos ámbitos, incluyendo la medicina, la agricultura y el equilibrio ambiental. Además, contribuyen a la producción de oxígeno y a la retención de dióxido de carbono, ambos necesarios para los seres vivos. Numerosos investigadores han realizado investigaciones exhaustivas en la clasificación de especies de plantas, donde ciertos estudios se han centrado en un número limitado de clases, mientras que otros han empleado modelos convencionales de aprendizaje automático y aprendizaje profundo para clasificarlas. Para abordar estas limitaciones, este documento presenta una nueva arquitectura neuronal de doble flujo integrada con un mecanismo de atención suave, desarrollado específicamente para clasificar con precisión las especies de plantas. El modelo propuesto utiliza bloques residuales e inception mejorados con capas convolucionales dilatadas para adquirir tanto información local como global. Tras la extracción de características, ambos flujos se combinan y se utiliza una técnica de atención suave para mejorar las características distintivas. La eficacia del modelo se demuestra a través de experimentos extensivos en conjuntos de datos variados, incluyendo varias especies de plantas. Además, hemos contribuido con un nuevo conjunto de datos que comprende 48 clases de diferentes especies de plantas. Los resultados demuestran un nivel de rendimiento superior en comparación con los modelos actuales, enfatizando la capacidad del diseño de doble flujo para mejorar la precisión y la generalización del modelo. La integración de una arquitectura de doble flujo, convoluciones dilatadas y atención suave proporciona una base sólida y confiable para la comunidad botánica, apoyando el avance en el campo de la clasificación de especies de plantas.