Создание бота для мобильной игры TrafficRacer. Python. искусственный интеллект, нейронная сеть

import pyautogui
# Через эту ↑ библиотеку я делаю скриншот
import win32gui
# Через эту ↑ библиотеку я получаю координаты окна,
# а также переношу окно на первый план, иначе при создании скриншота произойдет ошибка
import pytesseract
# Через эту ↑ библиотеку я нахожу текст на фото
import keyboard
# Через эту ↑ библиотеку я буду управлять машинкой в окне игры
#                                             ↑
#                                  Машинка управляется стрелками
import time
 
# Чтобы библиотека работала нужно указать путь к .exe ↓
pytesseract.pytesseract.tesseract_cmd = 'C:\\Program Files\\Tesseract-OCR\\tesseract.exe'
 
# Через BlueStacks ↓ происходит эмуляция android, где собственно и запущена игра TrafficRacer
name = 'BlueStacks'
 
 
# Получаю ↓ координаты окна - крайний верхний левый и крайний нижний правый углы
def get_size():
    win32gui.SetForegroundWindow(win32gui.FindWindow(None, name))
    return win32gui.GetWindowRect(win32gui.FindWindow(None, name))
 
 
# Создаю и возвращаю скриншот
def get_screenshot(positions=get_size()):
    a, b, c, d = positions
    return pyautogui.screenshot(region=(a, b, c - a, d - b))
 
 
while True:
    # В случае если машинка разбилась появляется окно со счетом,
    # с помощью pytesseract.image_to_string я распознаю слова на картинке,
    # а затем если они совпадают хотябы с одним словом из этого множества,
    # то я нажимаю на кнопку start again (скриншот score).
    #                        ↓ ↓ ↓
    while {'cash', 'close', 'total', 'garage', 'keep', 'above',
           'overtakes', 'leaderboards', 'achievements', 'doubler', 'your'} & \
            set(pytesseract.image_to_string(get_screenshot()).lower().split()):
        x, y, x1, y1 = get_size()
        pyautogui.click(x + (x1 - x) // 10 * 6.5, y1 - (y1 - y) // 10)  # Кнопка start again
 
    # Получаю ↓ нужный мне скриншот
    ScreenShot = get_screenshot()
    # Дальше мои мысли таковы:
    # 1) Каким-то образом мне нужно распознать все машинки на скриншоте
    #   (предпологаю делать это через нейросеть или какие-то фильтры/маски и т.п.),
    #
    # 2) Разбить поперёк каждую дорожку на n-ое количество частей,
    #   чтобы потом у нас получился список из дорожек.
    #
    #   Пример1: Рассмотрим скришот номер 31. (text31)
    #   Пусть n = 10, пусть 2 - это мы, 1 - это любая другая машина или часть машины, тогда:
    #   [
    #   [0, 0, 0, 0, 0, 0, 0, 0, 1, 1],    - дорожка 1
    #   [2, 2, 0, 0, 0, 0, 0, 0, 0, 0],    - дорожка 2
    #   [1, 0, 0, 0, 0, 0, 0, 0, 0, 0],    - дорожка 3
    #   [0, 0, 0, 0, 1, 1, 0, 0, 0, 0],    - дорожка 4
    #   ]
    #
    #  !) Но как тогда распознавать поворачивающие машинки?
    #   Мысль: разбить каждую дорожку вдоль на 2 части. ()
    #
    #   Пример2. Рассмотрим скришот номер 24. (text24)
    #   [
    #   [2, 2, 0, 0, 0, 0, 0, 0, 0, 0],    - дорожка 1.1
    #   [2, 2, 0, 0, 0, 0, 0, 0, 1, 1],    - дорожка 1.2
    #   [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],    - дорожка 2.1
    #   [0, 0, 0, 0, 0, 1, 1, 0, 0, 0],    - дорожка 2.2
    #   [0, 0, 0, 0, 0, 1, 1, 0, 0, 0],    - дорожка 3.1
    #   [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],    - дорожка 3.2
    #   [0, 0, 0, 1, 1, 0, 0, 0, 0, 0],    - дорожка 4.1
    #   [0, 0, 0, 1, 1, 0, 0, 0, 0, 0],    - дорожка 4.2
    #   ]
    #
    # На счет 2 пункта:
    # Как мне кажется хранить и перебирать список списков это малопроизводительно,
    # а значит нужен другой способ.
    # Это лишь идея, реализацию я изменю ещё кучу раз.