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。

為確保選舉公正，讀票機需具備以下技術與措施：

1. 防篡改與加密技術

數據傳輸加密（如 SSL/TLS 協議），防止中途篡改。

區塊鏈技術應用：部分試點項目通過區塊鏈記錄選票數據，確保不可篡改（如西弗吉尼亞州區塊鏈投票試驗）。

2. 冗余與審計機制

紙質選票備份：電子讀票機需配合紙質選票，供人工審計或系統故障時使用。

雙重計數驗證：部分系統采用兩臺讀票機獨立計數，結果一致才確認有效。

3. 抗干擾與穩定性設計

防電磁干擾：設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：支持斷電或網絡中斷時離線計數，恢復后同步數據。

4. 用戶驗證與權限控制

操作員身份認證：僅授權人員可訪問系統后臺，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，防止偽造選票。

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）。

爭議票處理機制

可視化復核界面：讀票機軟件提供選票圖像放大、灰度值可視化工具（如用熱力圖顯示填涂濃度），工作人員可手動標記 “有效”“無效” 或 “待確認”（如加拿大聯邦選舉中，人工復核團隊通過專用軟件處理爭議票）。

多輪仲裁流程：對人工復核仍存爭議的選票（如填涂面積剛好卡在閾值邊緣），由選區選舉委員會 3 名成員投票決定，需至少 2 票同意方可判定有效性。