為確保選舉公正，讀票機需具備以下技術(shù)與措施：
1. 防篡改與加密技術(shù)
數(shù)據(jù)傳輸加密（如 SSL/TLS 協(xié)議），防止中途篡改。
區(qū)塊鏈技術(shù)應(yīng)用：部分試點項目通過區(qū)塊鏈記錄選票數(shù)據(jù)，確保不可篡改（如西弗吉尼亞州區(qū)塊鏈投票試驗）。
2. 冗余與審計機制
紙質(zhì)選票備份：電子讀票機需配合紙質(zhì)選票，供人工審計或系統(tǒng)故障時使用。
雙重計數(shù)驗證：部分系統(tǒng)采用兩臺讀票機獨立計數(shù)，結(jié)果一致才確認(rèn)有效。
3. 抗干擾與穩(wěn)定性設(shè)計
防電磁干擾：設(shè)備硬件需通過電磁兼容性（EMC）測試，避免外界信號干擾。
離線模式：支持?jǐn)嚯娀蚓W(wǎng)絡(luò)中斷時離線計數(shù)，恢復(fù)后同步數(shù)據(jù)。
4. 用戶驗證與權(quán)限控制
操作員身份認(rèn)證：僅授權(quán)人員可訪問系統(tǒng)后臺，操作記錄全程留痕。
選票防偽：通過水印、熒光油墨等物理防偽技術(shù)，防止偽造選票。
圖像預(yù)處理：優(yōu)化原始掃描數(shù)據(jù)
灰度化處理：將彩色圖像轉(zhuǎn)換為灰度圖，突出標(biāo)記與背景的亮度差異（如鉛筆填涂區(qū)域灰度值較低）。
二值化轉(zhuǎn)換：通過設(shè)定閾值（如灰度值低于 128 視為標(biāo)記），將圖像轉(zhuǎn)化為黑白二值圖，簡化后續(xù)計算（例：填涂框內(nèi)黑色像素占比≥30% 視為有效標(biāo)記）。
噪聲過濾：利用中值濾波、高斯濾波等算法，消除紙張污漬、折疊陰影等干擾（如去除面積小于 10 像素的孤立黑點）。
幾何校正：通過檢測選票邊緣的定位標(biāo)記（如 registration marks），校正因傳送歪斜導(dǎo)致的圖像旋轉(zhuǎn)或縮放，確保標(biāo)記位置與預(yù)設(shè)模板對齊。
特征提取與判斷：識別選民的選擇意圖
根據(jù)選票標(biāo)記類型（填涂、勾選、手寫符號等），算法采用不同的特征提取策略：
（1）填涂標(biāo)記識別（常見場景）
面積占比法：計算填涂框內(nèi)黑色像素占比，超過閾值（如 30%-50%）則判定為有效選擇。
例：選民使用 2B 鉛筆填涂候選人 A 的方框，掃描后該區(qū)域黑色像素占比達(dá) 45%，算法判定為有效投票。
邊緣檢測法：通過 Canny 或 Sobel 算子檢測填涂區(qū)域的邊緣輪廓，與標(biāo)準(zhǔn)填涂形狀（如矩形、圓形）比對，排除不規(guī)則標(biāo)記（如筆尖打滑形成的短線）。
濃度梯度分析：填涂越均勻的區(qū)域，灰度值分布越集中，算法可通過統(tǒng)計像素灰度方差來區(qū)分 “認(rèn)真填涂” 與 “輕微觸碰”。
（2）勾選或手寫符號識別
形態(tài)學(xué)分析：通過膨脹、腐蝕等形態(tài)學(xué)運算，將勾選符號（√）或手寫標(biāo)記（如 “○”）轉(zhuǎn)換為標(biāo)準(zhǔn)形狀，再與預(yù)設(shè)模板匹配。
方向特征提取：對于斜線標(biāo)記（如 “/”），計算像素分布的梯度方向，判斷是否符合 “勾選” 的典型角度（如 45° 或 135°）。
（3）異常標(biāo)記檢測
多選判定：同一候選區(qū)域內(nèi)檢測到多個標(biāo)記（如同時填涂兩個候選人框），或單票標(biāo)記數(shù)超過規(guī)定（如總統(tǒng)選舉多選 1 人），則判定為無效票。
空白票識別：所有候選區(qū)域標(biāo)記面積均低于閾值，判定為未投票。
4. 結(jié)果驗證與輸出：確保計數(shù)準(zhǔn)確性
重復(fù)校驗：對關(guān)鍵標(biāo)記區(qū)域進行多次掃描（如兩次獨立圖像采集），結(jié)果一致才確認(rèn)有效。
人工復(fù)核接口：對算法判定存疑的選票（如填涂面積接近閾值、標(biāo)記形狀模糊），生成圖像供選舉工作人員人工審核（如美國部分州要求對 “爭議票” 進行人工查驗）。
數(shù)據(jù)輸出：將識別結(jié)果轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)（如候選人 ID、得票數(shù)），同步至中央數(shù)據(jù)庫或打印紙質(zhì)統(tǒng)計表。
典型技術(shù)挑戰(zhàn)與解決方案
挑戰(zhàn)場景 技術(shù)應(yīng)對措施
不同墨水的反光差異 - 采用多光譜光源（如紅光 + 紅外光），針對不同墨水（鉛筆、藍(lán)黑墨水、熒光筆）調(diào)整檢測波長。
- 機器學(xué)習(xí)模型訓(xùn)練：用歷史數(shù)據(jù)訓(xùn)練分類器，區(qū)分不同墨水材質(zhì)的標(biāo)記。
選票折疊或污漬干擾 - 圖像修復(fù)算法：通過插值法填充折疊造成的圖像缺失區(qū)域。
- 污漬識別模型：用深度學(xué)習(xí)區(qū)分 “人為標(biāo)記” 與 “自然污漬”（如咖啡漬形狀通常更不規(guī)則）。
非標(biāo)準(zhǔn)填涂（如超框、輕描） - 彈性閾值設(shè)定：根據(jù)填涂中心位置，允許標(biāo)記超出框線一定范圍（如框線外 5 像素內(nèi)仍算有效）。
- 概率化判定：結(jié)合填涂位置、面積、濃度等多維度特征，給出 “有效概率”（如 80% 概率為有效標(biāo)記），而非非黑即白的判斷。
選票格式變更（如新版選票） - 動態(tài)模板配置：允許管理員導(dǎo)入新選票模板，自動更新 ROI 區(qū)域坐標(biāo)與標(biāo)記規(guī)則，無需修改底層算法。
