La clasificación de la medicina herbal china es una tarea de investigación importante en la medicina inteligente, que se ha aplicado ampliamente en los campos de la clasificación inteligente de material medicinal y la recomendación de material medicinal. Sin embargo, la mayoría de los métodos principales actuales son semiautomáticos, con baja eficiencia y mal rendimiento. Para abordar este problema, se ha propuesto un nuevo método de clasificación de la medicina herbal china basado en el aprendizaje mutuo. Específicamente, se diseñan dos pequeñas redes de estudiantes para el aprendizaje colaborativo, y cada una de ellas recopila conocimientos aprendidos del otro respectivamente. En consecuencia, las redes de estudiantes obtienen características ricas y confiables, lo que mejorará aún más el rendimiento de la clasificación de medicamentos herbales chinos. Para validar el rendimiento del modelo propuesto, se utilizó un conjunto de datos con 100 clases de hierbas chinas (alrededor de 10,000 muestras) y se realizaron experimentos extensos. Los resultados experimentales verifican que el método propuesto es superior a los de los últimos modelos con una cantidad equivalente o incluso menor de parámetros, específicamente, obteniendo una tasa de precisión un 35.4% mayor y una pérdida un 1337% menor. Además, el modelo de aprendizaje mutuo logra una precisión del 80.8% en la clasificación de medicina herbal china.