南昊（北京）科技有限公司專業為廣大客戶提供：投票選舉計票系統，換屆選舉選票計票器，選票計票器（機），選票讀票器（機），電子選票機（器），電子票箱，智能掃描選舉讀票機等系統設備租售服務。

系統介紹：

投票選舉系統（掃描儀版）與電子投票箱計票原理一致，具有更輕便、靈活的特點。適用于小型選舉會議、分團選舉或其他投票地點不集中的場景。

民主選舉，特別是無記名投票，一般要具有機密性、性、可靠性、準確性、實用性和易操作性。

在企事業單位中，民主選舉需要處理大量的數據。如果用人工去處理，不但費時費力，而且難以做好真實、公平，這些工作的成果也缺乏說服力。

如果采用高速掃描儀智能識別來讀卡，然后配合能對數據作分析處理的投票選舉統計軟件，組成民主投票選舉系統，不僅能大大降低統計得票數和有效票據的工作量，省時省力、快速準確，還能夠消除投票人的思想顧慮，和減少其它不必要的人為因素干擾，使選舉符合公平、公正、公開的標準。

采用高速掃描儀讀選票的方式。現場聯機閱讀，多種選票混讀。使用方便、識別準確，準確率，無誤差。閱讀、統計速度快。 在軟件讀卡過程中，可以根據用戶的設定設置為多選無效、不選棄票等選項,自動統計總票數多少、有效票多少。可根據用戶需求定義涂卡圖像的識別如“√”、“O”。

軟件算法：從識別精度到防篡改機制

1. 多重校驗算法架構

重復掃描比對：對每張選票進行至少 2 次獨立掃描（間隔 50ms），比對兩次圖像的像素差異，若標記區域灰度值偏差超過 15%，則觸發第三次掃描并人工介入（如日本選舉法要求對爭議票進行三次掃描）。

多特征融合判斷：結合填涂面積、邊緣輪廓、灰度梯度等多維度特征，采用加權投票機制（如面積占比權重 40%+ 邊緣匹配度權重 30%+ 濃度均勻性權重 30%），避免單一特征誤判（例：某區域面積達標但邊緣鋸齒狀，可能被判為 “無意涂抹”）。

機器學習模型迭代：利用歷史選舉的有效 / 無效票數據（如美國 EAC 公開的選票數據集）訓練 CNN 模型，對非標準標記（如超框填涂、輕描標記）的識別準確率提升至 99.2% 以上。

2. 防篡改與數據完整性保護

哈希值校驗：對每張選票的掃描圖像生成哈希值（如 SHA-256），存儲于區塊鏈節點或加密數據庫，任何圖像修改都會導致哈希值變更，可實時檢測數據篡改（如德國部分州采用區塊鏈存證選票圖像）。

軟件版本控制：讀票機操作系統與識別算法采用簽名固件更新機制，僅允許通過官方渠道推送的版本（附帶數字證書）安裝，防止惡意程序植入（如 2018 年美國佛羅里達州選舉前，對所有讀票機進行固件哈希值比對，攔截 3 臺異常設備）。

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）。