選票讀票機（Vote Counting Machine）是用于自動化處理選舉選票、快速統計投票結果的電子設備，核心功能包括：

選票識別：讀取選票上的標記（如填涂、手寫符號、條形碼等），判斷選民選擇的候選人或選項。

數據統計：實時匯總選票數據，生成各候選人得票率、有效票 / 無效票數量等統計結果。

數據存儲與導出：保存原始選票數據和統計結果，支持導出至選舉管理系統或打印紙質報告。

異常檢測：識別重復投票、空白票、多選票等異常情況，并標記或報錯。

核心硬件架構：光學識別的物理基礎

光學掃描式讀票機的硬件系統主要由以下部分構成，共同實現選票標記的捕捉與轉換：

硬件組件 功能描述

光源模塊 - 通常采用 LED 光源（如紅光、紅外光），均勻照射選票表面，確保標記區域反光差異明顯。

- 部分設備配備多波長光源，適應不同墨水（如熒光墨水）的識別需求。

圖像傳感器 - 多為 CCD（電荷耦合器件）或 CMOS 圖像傳感器，分辨率通常在 300-600dpi，確保捕捉填涂細節（如鉛筆濃度、墨水邊緣）。

- 掃描速度可達每秒 10-30 張選票，滿足大規模選舉效率需求。

光學透鏡組 - 聚焦光線至傳感器，校正圖像畸變，確保標記位置映射到像素坐標。

傳動機構 - 通過滾輪或傳送帶勻速輸送選票，避免掃描時抖動導致圖像模糊。

信號處理電路 - 將傳感器捕捉的模擬信號轉換為數字圖像數據（如 RGB 或灰度值），為后續算法處理做準備。

典型技術挑戰與解決方案

挑戰場景 技術應對措施

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、藍黑墨水、熒光筆）調整檢測波長。

- 機器學習模型訓練：用歷史數據訓練分類器，區分不同墨水材質的標記。

選票折疊或污漬干擾 - 圖像修復算法：通過插值法填充折疊造成的圖像缺失區域。

- 污漬識別模型：用深度學習區分 “人為標記” 與 “自然污漬”（如咖啡漬形狀通常更不規則）。

非標準填涂（如超框、輕描） - 彈性閾值設定：根據填涂中心位置，允許標記超出框線一定范圍（如框線外 5 像素內仍算有效）。

- 概率化判定：結合填涂位置、面積、濃度等多維度特征，給出 “有效概率”（如 80% 概率為有效標記），而非非黑即白的判斷。

選票格式變更（如新版選票） - 動態模板配置：允許管理員導入新選票模板，自動更新 ROI 區域坐標與標記規則，無需修改底層算法。

全流程質量控制節點

階段 具體措施

選舉前 - 模擬測試：用至少 1000 張包含各類邊緣場景的模擬選票（如重度折疊票、墨水滲透票、輕微填涂票）進行壓力測試，識別錯誤率需＜0.01% 方可上線。

- 第三方認證：通過國際標準（如美國 FEC 的投票系統認證、ISO 25010 軟件質量模型）的合規性審計。

選舉中 - 實時異常報警：當連續 5 張選票出現 “多選” 或 “空白票” 比例超過歷史均值 2 倍時，系統自動暫停并提示工作人員檢查（如巴西大選讀票機的實時監控 dashboard）。

- 雙人員工值守：每臺讀票機需 2 名選舉工作人員同時在場，一人操作、一人復核，避免單人誤操作。

選舉后 - 人工抽樣審計：按選區隨機抽取 5%-10% 的紙質選票與掃描數據比對，誤差率超過 0.5% 時啟動全量重新計票（如 2020 年美國亞利桑那州審計中，人工復核 5000 張選票，機器計數準確率為 99.87%）。

- 審計日志留存：記錄每臺讀票機的開機時間、掃描張數、異常處理記錄等，保存至少 22 個月（符合美國 HAVA 法案要求）。