光學(xué)掃描式讀票機（Optical Scan）

原理：通過光學(xué)傳感器掃描選票上的標(biāo)記（如鉛筆填涂、墨水筆勾選），利用圖像識別技術(shù)判斷選民選擇。

特點：

成本較低，兼容紙質(zhì)選票，適合大規(guī)模選舉。

需選票格式標(biāo)準(zhǔn)化（如固定位置的填涂框）。

應(yīng)用場景：美國大選、印度議會選舉等大規(guī)模紙質(zhì)選票選舉。

接觸式讀票機（Contact-based）

原理：通過物理接觸（如金屬觸點）檢測選票上的導(dǎo)電標(biāo)記（如特殊墨水填涂），形成電路導(dǎo)通來識別選擇。

特點：

識別速度快，但對選票材質(zhì)和標(biāo)記墨水要求高。

易受污漬、折疊影響，應(yīng)用場景較窄。

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(jìn)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(jìn)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。

讀票機的準(zhǔn)確性與可靠性依賴 “技術(shù) + 制度 + 人工” 的三維防護(hù)：硬件通過冗余與校準(zhǔn)確保物理信號采集穩(wěn)定，軟件借助算法校驗與防篡改設(shè)計提升邏輯判斷精度，制度流程則通過標(biāo)準(zhǔn)化操作與人工監(jiān)督彌補技術(shù)局限性。這種多層級保障體系在全球主要民主國家的選舉中已被驗證 —— 根據(jù)美國 EAC（選舉援助委員會）2022 年報告，符合認(rèn)證標(biāo)準(zhǔn)的光學(xué)掃描讀票機平均錯誤率＜0.003%，遠(yuǎn)低于人工計票的 1.5% 錯誤率。未來，隨著量子加密技術(shù)與聯(lián)邦學(xué)習(xí)在選舉系統(tǒng)中的應(yīng)用，讀票機的可靠性還將進(jìn)一步提升，同時保持對選民操作習(xí)慣的包容性。