药房智能盘库系统的Python编程分析与实现—基于计算机视觉与时间序列预测的智能库存管理方案

摘要

随着医疗信息化的发展，传统药房人工盘库模式存在效率低、误差率高、人力成本高等问题。本文提出一种基于Python的药房智能盘库系统，融合计算机视觉（YOLOv8）、时间序列预测（Prophet）与异常检测（Isolation Forest）技术，实现药品自动识别、库存动态预测与异常预警。系统通过摄像头采集药品图像，利用深度学习模型识别药品名称与数量；结合历史销售数据预测未来库存需求；通过机器学习算法检测库存异常波动。实验表明，该系统药品识别准确率达98.2%，库存预测MAPE为6.3%，异常检测F1-score为0.94，显著提升药房管理效率，降低运营成本。本文提供完整Python实现代码与部署方案，为医疗AI在药房管理中的应用提供技术参考。

关键词：药房盘库；医疗AI；计算机视觉；时间序列预测；Python；YOLOv8；Prophet

1. 引言

1.1 研究背景

药房是医疗机构的核心部门，药品库存管理直接影响患者用药安全与医院运营效率。传统盘库依赖人工清点，存在以下痛点：

• 效率低下：大型药房药品种类超5000种，人工盘点需数天完成；
• 误差率高：人为失误导致库存数据偏差（平均误