Pocas investigaciones se han realizado en imágenes de plantas térmicas. Esto se debe a la dificultad para extraer y analizar varios patrones y características relacionados con el color de la imagen de la planta obtenida con una cámara térmica, la cual no proporciona información de color. Además, la cámara térmica es sensible a la temperatura y humedad del entorno. Sin embargo, la cámara térmica permite la extracción de patrones invisibles en la planta al proporcionar información de calor externa e interna. Por lo tanto, este estudio propuso un método novedoso de clasificación de plantas basado en imágenes de plantas tanto térmicas como de luz visible para explotar las fortalezas de ambos tipos de cámaras. Hasta donde sabemos, este estudio es el primero en realizar una reconstrucción de súper resolución utilizando imágenes de plantas de luz visible y térmicas. Además, se propuso un método para mejorar el rendimiento de clasificación a través de la reconstrucción de súper resolución basada en redes generativas adversarias (GAN). A través de experimentos utilizando un conjunto de datos de imágenes térmicas y de luz visible recolectadas por nosotros mismos, nuestro método muestra mayores precisión que los métodos de última generación.