随着药房数字化建设不断推进，传统依赖人工审核的药品补货、出货管理方式，正在逐步向智能化管理模式转变。
在本案例中，药房通过部署摄像头采集药品出入库记录，并结合 AI 实时训练，对药房运营情况进行自动推算，从而推动药品出入库管理、数据采集以及运营分析的智能化升级。
那么，一套智慧药房系统如何将前端摄像头、边缘计算、AI 推理和云平台连接起来？
本文将从整体架构、数据流和网络接入三个方面进行介绍。
一、传统药房管理面临哪些问题？
传统药房在补货和出货过程中，需要依靠人工进行审核。
这种模式下，药品出入库信息主要依赖人工记录和检查，不仅增加了工作人员的工作量，也使后续的运营数据采集和分析受到限制。
因此，本案例的建设重点并不是单纯增加摄像头，而是建立一套完整的数据链路：
摄像头采集 → 边缘计算 → AI分析 → 云平台 → 数据展示
通过设备联网和数据处理，将原本分散在现场的数据转化为可采集、可分析、可管理的信息。
二、智慧药房解决方案的建设目标
根据项目需求，整体方案主要围绕以下几个方面建设：
-
设备全量联网，统一接入管理
-
数据实时采集、标准化、上云 / 入平台
-
支持远程配置、远程诊断、远程升级
-
数据本地 AI 推理分析
-
实现告警、联动、可视化、报表分析
-
提升运维效率，降低人工巡检成本
-
建立安全、稳定、易扩展、易维护的系统架构
可以看到，方案不仅关注"看得到"，还需要进一步解决数据采集、分析、管理和运维问题。
三、智慧药房整体架构如何设计？
本案例采用四层架构，将前端感知设备、网络、平台以及最终应用进行分层。
┌────────────────────────────┐
│ 应用层 │
│ 监控大屏 / Web / APP / 告警 │
└─────────────▲──────────────┘
│
┌─────────────┴──────────────┐
│ 平台层 │
│ 物联网平台 / 数据存储 │
│ 边缘计算 / AI推理 │
└─────────────▲──────────────┘
│
┌─────────────┴──────────────┐
│ 网络层 │
│ 边缘计算机 / 4G / 5G │
└─────────────▲──────────────┘
│
┌─────────────┴──────────────┐
│ 感知层 │
│ 摄像头 │
└────────────────────────────┘四层分别承担不同的功能：
1. 感知层
主要由摄像头组成，负责采集药品出入库相关数据。
2. 网络层
通过边缘计算机以及 4G/5G 等网络完成现场设备连接和数据传输。
3. 平台层
负责物联网接入、数据存储、边缘计算以及 AI 推理。
4. 应用层
将处理后的数据进一步呈现在监控大屏、Web 管理后台和 APP 中，同时支持告警系统。
这种分层方式可以让现场设备、数据处理和业务应用相互解耦，为后续扩展提供基础。
四、从摄像头到云平台：数据是如何流转的？
整个系统的数据流可以概括为：
摄像头
↓
边缘计算机
↓
协议解析
↓
本地缓存 / AI运算推理
↓
云平台
↓
数据展示其中，边缘计算机处于整个数据链路的核心位置。
摄像头产生的数据首先进入边缘计算机，由边缘侧完成协议解析，并进行本地缓存和 AI 运算推理。
经过处理后的数据再上传至云平台，最终用于数据展示和后续应用。
相比所有数据都直接上传云端的方式，将部分计算和分析能力放到本地，可以让数据处理更加贴近设备侧。
五、为什么需要边缘计算？
在智慧药房场景中，摄像头是主要的数据采集设备。
如果仅依靠前端设备采集数据，再全部交由云端处理，系统还需要解决大量现场数据的接入和处理问题。
因此，本方案将边缘计算机放置在网络层，并承担：
协议解析 + 本地缓存 + AI 运算推理
三个重要环节。
其中，本地缓存可以用于现场数据暂存；AI 推理则可以在边缘侧完成数据分析。
整体可以理解为：
现场设备
│
▼
边缘计算机
│
├── 协议解析
│
├── 本地缓存
│
└── AI推理
│
▼
云平台这样，边缘侧成为连接现场设备和云平台的重要数据处理节点。
六、摄像头协议如何接入？
根据案例中的设备现状，现场设备主要为以太网摄像头：
| 项目 | 内容 |
|---|---|
| 设备类型 | 以太网摄像头 |
| 通信接口 | 以太网口 |
| 通信协议 | RTP/RTCP、RTMP |
| 部署环境 | 室内 |
因此，方案在南向需要支持摄像头的数据采集协议，包括：
-
RTP/RTCP
-
RTMP
边缘计算机负责将这些现场数据接入系统，并进一步完成协议解析以及后续的数据处理。
七、网络接入方式如何选择？
案例中给出的联网方式包括：
蜂窝网络 / Ethernet / Wi-Fi
不同部署环境可以根据实际网络条件进行选择。
对于智慧药房这类室内部署场景，可以结合现场网络条件选择合适的联网方式。
在边缘网关的能力设计上，案例提出了几个关键要求：
-
支持多协议
-
支持 RS485 / RS232、网口以及 4G/5G
-
支持边缘计算
-
支持本地缓存和断网续传
-
支持工业级宽温、防尘、抗干扰
-
支持远程管理、远程升级和远程配置
这些能力共同构成智慧药房设备联网和边缘计算的基础。
八、北向如何连接云平台？
在完成现场数据采集和边缘侧处理之后，系统需要将数据上传至平台。
案例中北向通信协议提出支持：
MQTT
因此，数据链路可以进一步抽象为：
摄像头
↓
RTP / RTCP / RTMP
↓
边缘计算机
↓
协议解析
↓
本地缓存 / AI推理
↓
MQTT
↓
云平台
↓
数据展示 / 应用这样，南向负责现场设备接入，北向负责平台数据传输，中间通过边缘计算机完成数据处理。
九、智慧药房最终可以实现什么？
当设备联网、数据采集、边缘计算和云平台连接起来之后，系统可以进一步形成完整的业务闭环。
设备数据采集
↓
边缘侧数据处理
↓
AI运算推理
↓
云平台数据汇聚
↓
可视化展示
↓
告警 / 联动 / 报表分析最终实现从"人工审核"向"数据驱动"的管理模式转变。
同时，通过远程配置、远程诊断和远程升级，可以进一步减少现场人工巡检工作，提高设备运维效率。
十、方案的六个核心特点
结合本案例，可以将智慧药房方案总结为六个方面：
01 一站式
实现接入、网络、平台和应用的整体解决方案。
02 高兼容
支持多设备、多协议和多种网络方式统一接入。
03 高可靠
通过边缘缓存、断网续传以及双链路备份提升系统可靠性。
04 易扩展
支持批量扩容、二次开发和 API 对接。
05 低成本
通过减少人工巡检，提高整体运维效率。
06 安全合规
通过传输加密、权限管理和操作审计等方式提升系统安全性。
十一、总结
智慧药房的核心并不只是增加摄像头，而是建立一套从设备接入、数据采集、边缘计算、AI 推理到云端应用的完整数据链路。
本案例通过：
摄像头 → 边缘计算机 → 协议解析 → 本地缓存 / AI 推理 → 云平台 → 数据展示
打通现场设备与上层应用之间的数据通道。
在这一架构中，边缘计算机承担了现场数据处理的重要角色，同时连接设备侧与云平台；云平台则进一步承载数据存储和应用展示。
对于药房药品智能出入库以及智慧药房场景而言，这种架构为后续的设备联网、数据分析、告警联动和远程运维提供了统一基础，也为智慧药房的数字化升级提供了一种可落地的技术路径。