選票讀票機（Vote Counting Machine）是用于自動化處理選舉選票、快速統(tǒng)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(shù)據(jù)統(tǒng)計：實時匯總選票數(shù)據(jù)，生成各候選人得票率、有效票 / 無效票數(shù)量等統(tǒng)計結果。

數(shù)據(jù)存儲與導出：保存原始選票數(shù)據(jù)和統(tǒng)計結果，支持導出至選舉管理系統(tǒng)或打印紙質(zhì)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(tǒng)主要由以下部分構成，共同實現(xiàn)選票標記的捕捉與轉(zhuǎn)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(qū)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(jié)（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(guī)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(zhuǎn)換為數(shù)字圖像數(shù)據(jù)（如 RGB 或灰度值），為后續(xù)算法處理做準備。

選票預處理：通過紅外光源掃描選票，生成灰度圖像，同時檢測選票邊緣的定位孔（registration holes）以校準位置。

區(qū)域劃分：根據(jù)選票模板，將圖像劃分為總統(tǒng)候選人區(qū)、參議員區(qū)、公投議題區(qū)等獨立 ROI。

填涂分析：對每個候選人對應的橢圓填涂框，計算黑色像素占比，超過 35% 則判定為有效投票。

異常標記處理：若同一總統(tǒng)候選人區(qū)檢測到 2 個及以上有效填涂，系統(tǒng)標記為 “多選票”（overvote），該區(qū)域投票無效。

數(shù)據(jù)同步：每臺讀票機實時將計數(shù)結果通過加密網(wǎng)絡傳輸至選區(qū)服務器，同時保存原始圖像供事后審計（如 2020 年佐治亞州重新計票時，人工核對了掃描圖像與紙質(zhì)選票）。

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(qū)域灰度值偏差超過 15%，則觸發(fā)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(qū)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(shù)據(jù)（如美國 EAC 公開的選票數(shù)據(jù)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(shù)據(jù)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(qū)塊鏈節(jié)點或加密數(shù)據(jù)庫，任何圖像修改都會導致哈希值變更，可實時檢測數(shù)據(jù)篡改（如德國部分州采用區(qū)塊鏈存證選票圖像）。

軟件版本控制：讀票機操作系統(tǒng)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(shù)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）。