En visión por computadora, el reconocimiento de imágenes de plantas ha surgido como un área multidisciplinaria de interés. En los últimos años, se ha llevado a cabo mucha investigación para determinar automáticamente el tipo de planta en cada imagen. Los desafíos en la identificación de las plantas medicinales se deben a los cambios en los efectos de la luz de la imagen, la postura y la orientación. Además, es difícil identificar las plantas medicinales debido a factores como las variaciones en la forma de la hoja con la edad y el cambio de color de la hoja en respuesta a las condiciones climáticas variables. El trabajo propuesto utiliza técnicas de aprendizaje automático y redes neuronales profundas para elegir características de la hoja apropiadas para determinar si la hoja es de una planta medicinal o no medicinal. Este estudio presenta un diseño de red neuronal basado en PSR-LeafNet (PSR-LN). PSR-LeafNet es una red única que combina P-Net, S-Net y R-Net, todas destinadas a la extracción de características de la hoja utilizando el enfoque de máxima relevancia de redundancia mínima (MRMR). El PSR-LN ayuda a obtener las características de forma, características de color, venación de la hoja y características texturales. Se aplica una máquina de vectores de soporte (SVM) a la salida lograda de la red PSR, lo que ayuda a clasificar el nombre de la planta. El diseño del modelo se llama PSR-LN-SVM. La ventaja del modelo diseñado es que se adapta al procesamiento de conjuntos de datos más grandes y proporciona mejores resultados que los modelos tradicionales de redes neuronales. La metodología utilizada en el trabajo logra una precisión del 97.12% para el conjunto de datos MalayaKew, del 98.10% para el conjunto de datos IMP y del 95.88% para el conjunto de datos Flavia. Los modelos propuestos superan a todos los modelos existentes, con una mejora en la precisión. Estos resultados demuestran que el método sugerido tiene éxito en reconocer con precisión las hojas de plantas medicinales, allanando el camino para usos más avanzados en taxonomía de plantas y medicina.