在加拿大的许多医院中，医疗物资的管理方式仍然停留在传统的、模拟的阶段。目前，医院内部的物流团队主要负责通过定期步行至供应室，使用纸和笔来记录库存水平。对于护士和医院工作人员来说，检查某种物资的可用性通常需要在医院内四处奔走或打电话给各个部门，看看他们是否能够提供物资。在多伦多三家主要医院工作的护士Crystal Hu（也是团队成员之一）表示，她每项任务需要花费10-15分钟来寻找物资。这对她和她的同事来说是一个主要的挫败来源。
医院中不良的库存管理导致了以下问题：在计数和寻找物资上浪费时间；在定位过期产品上浪费时间；缺乏对医院物资供需的可见性，因此无法预测物资使用率；工作人员在执行可以自动化的重复性任务时被低效利用。在Covid-19时代，医院比以往任何时候都更需要对库存有更好的可见性，因为物资变得稀缺。也希望帮助医院工作人员从努力寻找物资转变为更多地专注于提供高质量的病人护理。发现了一个改进的大机会，节省成本的潜力，以及更有效的物资管理系统的可能性。
计算机视觉在自动化库存管理中的应用
对这个问题的解决方案是创建一个响应式的网络应用程序，该程序可以为医院房间的物资提供实时更新。通过监控货架上的视频，机器学习算法将识别可用物资的类型和数量。原型由一个物体检测模型组成，该模型可以识别物资及其数量，以及一个响应式的前端。用户可以点击一个房间来查看该房间物资的实时照片流，以及一个包含其物资和数量的表格。
理想情况下，系统将被应用于安大略省全省的医疗保健系统，以实现医院之间的物资共享，以及根据历史使用数据平衡物资。为了快速处理大量需要检测医疗对象的图像，并确保能够导出到各种格式，使用了Roboflow来注释图像。它允许将注释工作分配给团队成员，并同时标记图像。然后对378张图像应用了镶嵌增强，以增加数据集大小，从而提高了模型性能。能够快速尝试不同的增强，并使用Roboflow的训练服务进行训练。
使用Roboflow Train，在不到半小时内完成了模型的拟合，提供的API允许轻松发送和接收请求。将网络应用程序连接起来，并成功地在30小时的黑客马拉松结束时建立了一个工作原型！
实时自动化库存监控的好处
通过实时更新医院所有房间的库存，医疗保健工将节省大量寻找物资的时间。因此，医疗保健提供者有更多的时间用于病人护理，并对他们的设施有更高的信任和信心。医院将拥有更具成本效益的供应链和更高效的劳动力。在更宏观的层面上，各省可以访问一个更强大的数据系统，该系统提供了对物资需求和分配的洞察。