標(biāo)記區(qū)域定位：鎖定選票上的有效選擇區(qū)
模板匹配：讀票機(jī)內(nèi)置選票格式模板，通過檢測(cè)預(yù)設(shè)的定位點(diǎn)（如角點(diǎn)、條形碼）確定候選人選項(xiàng)框、政黨符號(hào)等區(qū)域的坐標(biāo)范圍。
興趣區(qū)域（ROI）劃分：將選票圖像分割為多個(gè)獨(dú)立 ROI（如每個(gè)候選人對(duì)應(yīng)一個(gè)矩形區(qū)域），減少全局分析的計(jì)算量。
示例：美國(guó)大選使用的 “蝶形選票”（Butterfly Ballot）中，讀票機(jī)通過模板定位左右兩列候選人姓名旁的填涂框，避免因選民誤填相鄰區(qū)域?qū)е抡`判。
特征提取與判斷：識(shí)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(hào)等），算法采用不同的特征提取策略：
（1）填涂標(biāo)記識(shí)別（常見場(chǎng)景）
面積占比法：計(jì)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(cè)法：通過 Canny 或 Sobel 算子檢測(cè)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(duì)，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(jì)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(hào)識(shí)別
形態(tài)學(xué)分析：通過膨脹、腐蝕等形態(tài)學(xué)運(yùn)算，將勾選符號(hào)（√）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?。簩?duì)于斜線標(biāo)記（如 “/”），計(jì)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(cè)
多選判定：同一候選區(qū)域內(nèi)檢測(cè)到多個(gè)標(biāo)記（如同時(shí)填涂?jī)蓚€(gè)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(shí)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(yàn)證與輸出：確保計(jì)數(shù)準(zhǔn)確性
重復(fù)校驗(yàn)：對(duì)關(guān)鍵標(biāo)記區(qū)域進(jìn)行多次掃描（如兩次獨(dú)立圖像采集），結(jié)果一致才確認(rèn)有效。
人工復(fù)核接口：對(duì)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(guó)部分州要求對(duì) “爭(zhēng)議票” 進(jìn)行人工查驗(yàn)）。
數(shù)據(jù)輸出：將識(shí)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(jì)表。
軟件算法：從識(shí)別精度到防篡改機(jī)制
1. 多重校驗(yàn)算法架構(gòu)
重復(fù)掃描比對(duì)：對(duì)每張選票進(jìn)行至少 2 次獨(dú)立掃描（間隔 50ms），比對(duì)兩次圖像的像素差異，若標(biāo)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(duì)爭(zhēng)議票進(jìn)行三次掃描）。
多特征融合判斷：結(jié)合填涂面積、邊緣輪廓、灰度梯度等多維度特征，采用加權(quán)投票機(jī)制（如面積占比權(quán)重 40%+ 邊緣匹配度權(quán)重 30%+ 濃度均勻性權(quán)重 30%），避免單一特征誤判（例：某區(qū)域面積達(dá)標(biāo)但邊緣鋸齒狀，可能被判為 “無意涂抹”）。
機(jī)器學(xué)習(xí)模型迭代：利用歷史選舉的有效 / 無效票數(shù)據(jù)（如美國(guó) EAC 公開的選票數(shù)據(jù)集）訓(xùn)練 CNN 模型，對(duì)非標(biāo)準(zhǔn)標(biāo)記（如超框填涂、輕描標(biāo)記）的識(shí)別準(zhǔn)確率提升至 99.2% 以上。
2. 防篡改與數(shù)據(jù)完整性保護(hù)
哈希值校驗(yàn)：對(duì)每張選票的掃描圖像生成哈希值（如 SHA-256），存儲(chǔ)于區(qū)塊鏈節(jié)點(diǎn)或加密數(shù)據(jù)庫，任何圖像修改都會(huì)導(dǎo)致哈希值變更，可實(shí)時(shí)檢測(cè)數(shù)據(jù)篡改（如德國(guó)部分州采用區(qū)塊鏈存證選票圖像）。
軟件版本控制：讀票機(jī)操作系統(tǒng)與識(shí)別算法采用簽名固件更新機(jī)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(guó)佛羅里達(dá)州選舉前，對(duì)所有讀票機(jī)進(jìn)行固件哈希值比對(duì)，攔截 3 臺(tái)異常設(shè)備）。
全流程質(zhì)量控制節(jié)點(diǎn)
階段 具體措施
選舉前 - 模擬測(cè)試：用至少 1000 張包含各類邊緣場(chǎng)景的模擬選票（如重度折疊票、墨水滲透票、輕微填涂票）進(jìn)行壓力測(cè)試，識(shí)別錯(cuò)誤率需＜0.01% 方可上線。
- 第三方認(rèn)證：通過國(guó)際標(biāo)準(zhǔn)（如美國(guó) FEC 的投票系統(tǒng)認(rèn)證、ISO 25010 軟件質(zhì)量模型）的合規(guī)性審計(jì)。
選舉中 - 實(shí)時(shí)異常報(bào)警：當(dāng)連續(xù) 5 張選票出現(xiàn) “多選” 或 “空白票” 比例超過歷史均值 2 倍時(shí)，系統(tǒng)自動(dòng)暫停并提示工作人員檢查（如巴西大選讀票機(jī)的實(shí)時(shí)監(jiān)控 dashboard）。
- 雙人員工值守：每臺(tái)讀票機(jī)需 2 名選舉工作人員同時(shí)在場(chǎng)，一人操作、一人復(fù)核，避免單人誤操作。
選舉后 - 人工抽樣審計(jì)：按選區(qū)隨機(jī)抽取 5%-10% 的紙質(zhì)選票與掃描數(shù)據(jù)比對(duì)，誤差率超過 0.5% 時(shí)啟動(dòng)全量重新計(jì)票（如 2020 年美國(guó)亞利桑那州審計(jì)中，人工復(fù)核 5000 張選票，機(jī)器計(jì)數(shù)準(zhǔn)確率為 99.87%）。
- 審計(jì)日志留存：記錄每臺(tái)讀票機(jī)的開機(jī)時(shí)間、掃描張數(shù)、異常處理記錄等，保存至少 22 個(gè)月（符合美國(guó) HAVA 法案要求）。
