條形碼 / 二維碼讀票機(jī)

原理：選民通過填寫或掃描條形碼 / 二維碼選票，機(jī)器讀取編碼后解析投票信息。

特點(diǎn)：

數(shù)據(jù)精度高，可存儲(chǔ)更多信息（如選區(qū)、候選人編號(hào)）。

需提前印制帶編碼的選票，適合電子化程度較高的選舉。

圖像預(yù)處理：優(yōu)化原始掃描數(shù)據(jù)

灰度化處理：將彩色圖像轉(zhuǎn)換為灰度圖，突出標(biāo)記與背景的亮度差異（如鉛筆填涂區(qū)域灰度值較低）。

二值化轉(zhuǎn)換：通過設(shè)定閾值（如灰度值低于 128 視為標(biāo)記），將圖像轉(zhuǎn)化為黑白二值圖，簡(jiǎn)化后續(xù)計(jì)算（例：填涂框內(nèi)黑色像素占比≥30% 視為有效標(biāo)記）。

噪聲過濾：利用中值濾波、高斯濾波等算法，消除紙張污漬、折疊陰影等干擾（如去除面積小于 10 像素的孤立黑點(diǎn)）。

幾何校正：通過檢測(cè)選票邊緣的定位標(biāo)記（如 registration marks），校正因傳送歪斜導(dǎo)致的圖像旋轉(zhuǎn)或縮放，確保標(biāo)記位置與預(yù)設(shè)模板對(duì)齊。

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。

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 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）。