森林占地球陸地面積的30％，但是這個數(shù)字正在下降。盡管森林在保護野生生物和處理二氧化碳方面起著至關重要的作用，但許多森林仍受到森林砍伐和野火的威脅。

使這些威脅復雜化的是缺少林業(yè)和環(huán)境研究人員做出保護森林的重要決策所需的定量信息。

Treeswift的聯(lián)合創(chuàng)始人兼首席執(zhí)行官，賓夕法尼亞 大學計算機和信息科學（CIS）的博士生Steven Chen 希望改變這種狀況。

Chen是Penn Engineering的GRASP Lab的衍生公司，創(chuàng)立了Treeswift。其背后的想法很簡單：使用機器人工具使林業(yè)自動化并減少人工的風險。Treeswift使用大量配備了LiDAR傳感器的自主飛行機器人來監(jiān)視，盤點和繪制林地圖。無人機收集土地圖像并將其渲染為3D地圖，可對其進行分析以對給定森林的生物量進行精確，可量化的測量。

在NVIDIA GPU上進行訓練的深度學習算法可檢測點云中的樹木。Treeswift已收集并標記了其所有訓練數(shù)據(jù)，以確保高質(zhì)量并保持對被標記屬性的控制-例如算法是將一棵樹及其分支分類為兩個單獨的元素，還是僅將其分類。

在邊緣進行了一些處理，從而幫助無人機自動穿越森林。但是，收集的用于映射的數(shù)據(jù)是在NVIDIA硬件上離線處理的，包括臺式機系統(tǒng)上的TITAN GPU和RTX GPU以及NVIDIA DGX Station和DGX-1服務器，可處理更多的工作負載。它的算法是使用TensorFlow深度學習框架開發(fā)的。雖然無人機平臺目前以1百萬像素的分辨率捕獲圖像，但Treeswift正在尋找4K攝像機來部署產(chǎn)品。

在此數(shù)據(jù)提供的各種應用程序中，Treeswift著重于三個主要目標：計算木材工業(yè)的清單，為保護森林繪制森林圖以及測量森林生物量和燃料以防止野火蔓延。各種行業(yè)的研究人員可以使用收集到的數(shù)據(jù)來評估森林的健康狀況，并建立有助于氣候變化行動計劃的預測模型。