我一直在努力设计一个系统，该系统使用多个机器学习模型来理解动态网络抓取的数据。每个 AI 都会处理一项特定的任务，例如：

人工智能模型将识别图像中的文本，然后尝试创建可能的纯文本。提取文本后，它将以存储变量的形式传递给 AI，AI 可以读取文本以确定它是否是美国城市/州。

我试图调查其他人是否已经这样做了，但没有找到太多与我正在寻找的东西有关的东西。有谁知道这是否有潜在的问题？从逻辑上讲，这对我来说看起来不错，但我想我会问。

如果有人能让我在正确的方向上阅读材料或进一步的信息，我将不胜感激。