光学扫描式读票机（Optical Scan）
原理：通过光学传感器扫描选票上的标记（如铅笔填涂、墨水笔勾选），利用图像识别技术判断选民选择。
特点：
成本较低，兼容纸质选票，适合大规模选举。
需选票格式标准化（如固定位置的填涂框）。
应用场景：美国大选、印度议会选举等大规模纸质选票选举。
接触式读票机（Contact-based）
原理：通过物理接触（如金属触点）检测选票上的导电标记（如特殊墨水填涂），形成电路导通来识别选择。
特点：
识别速度快，但对选票材质和标记墨水要求高。
易受污渍、折叠影响，应用场景较窄。
电子触摸屏读票机（Electronic Touchscreen）
原理：选民直接在触摸屏上选择候选人，机器实时记录数据并生成电子选票。
特点：
操作直观，减少人工误差，但依赖电力和系统稳定性。
存在黑客攻击或系统故障风险，需配合纸质备份（如 “选民验证纸质审计轨迹” VVPAT）。
应用场景：美国部分州、巴西等电子化选举场景。
全流程质量控制节点
阶段 具体措施
选举前 - 模拟测试：用至少 1000 张包含各类边缘场景的模拟选票（如重度折叠票、墨水渗透票、轻微填涂票）进行压力测试，识别错误率需＜0.01% 方可上线。
- 第三方认证：通过国际标准（如美国 FEC 的投票系统认证、ISO 25010 软件质量模型）的合规性审计。
选举中 - 实时异常报警：当连续 5 张选票出现 “多选” 或 “空白票” 比例超过历史均值 2 倍时，系统自动暂停并提示工作人员检查（如巴西大选读票机的实时监控 dashboard）。
- 双人员工值守：每台读票机需 2 名选举工作人员同时在场，一人操作、一人复核，避免单人误操作。
选举后 - 人工抽样审计：按选区随机抽取 5%-10% 的纸质选票与扫描数据比对，误差率超过 0.5% 时启动全量重新计票（如 2020 年美国亚利桑那州审计中，人工复核 5000 张选票，机器计数准确率为 99.87%）。
- 审计日志留存：记录每台读票机的开机时间、扫描张数、异常处理记录等，保存至少 22 个月（符合美国 HAVA 法案要求）。