Antecedentes y objetivos: El reconocimiento preciso de instrumentos endoscópicos facilita la evaluación cuantitativa y el control de calidad de los procedimientos endoscópicos. Sin embargo, no se ha informado de ninguna investigación relevante. En este estudio, nuestro objetivo fue desarrollar un sistema asistido por computadora, EndoAdd, para el análisis automatizado de videos quirúrgicos endoscópicos basado en nuestro conjunto de datos de imágenes de instrumentos endoscópicos. Métodos: Se utilizaron grandes conjuntos de datos de entrenamiento y validación que contenían 45,143 imágenes de 10 instrumentos endoscópicos diferentes y un conjunto de datos de prueba de 18,375 imágenes recopiladas de varios centros médicos en esta investigación. Se utilizaron fotogramas de imágenes anotadas para entrenar el modelo de detección de objetos de última generación, YOLO-v5, para identificar los instrumentos. Basándonos en los resultados de predicción a nivel de fotograma, desarrollamos además un modelo oculto de Markov para realizar un análisis de video y generar mapas de calor para resumir los videos. Resultados: EndoAdd logró una alta precisión (>97%) en el conjunto de datos de prueba para los 10 tipos de instrumentos endoscópicos. La precisión media, la sensibilidad, la recuperación y la puntuación F1 fueron del 99,1%, 92,0%, 88,8% y 89,3%, respectivamente. Los valores del área bajo la curva superaron 0,94 para todos los tipos de instrumentos. Se generaron mapas de calor de los procedimientos endoscópicos tanto para análisis retrospectivos como en tiempo real. Conclusiones: Desarrollamos con éxito un sistema automatizado de análisis de videos endoscópicos, EndoAdd, que apoya la evaluación retrospectiva y el monitoreo en tiempo real. Puede utilizarse para el análisis de datos y el control de calidad de los procedimientos endoscópicos en la práctica clínica.