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。
选票读票机是现代选举数字化的核心工具，其技术演进始终围绕 “效率、准确、” 三大目标。尽管存在技术争议，但通过标准化流程、多重审计机制和技术迭代，读票机正逐步成为保障选举公正的重要支撑。在应用中，需结合地区电子化水平、选民习惯及需求，选择适配的技术方案，同时强化人工监督与法律规范，确保技术为民主选举赋能。
典型技术挑战与解决方案
挑战场景 技术应对措施
不同墨水的反光差异 - 采用多光谱光源（如红光 + 红外光），针对不同墨水（铅笔、蓝黑墨水、荧光笔）调整检测波长。
- 机器学习模型训练：用历史数据训练分类器，区分不同墨水材质的标记。
选票折叠或污渍干扰 - 图像修复算法：通过插值法填充折叠造成的图像缺失区域。
- 污渍识别模型：用深度学习区分 “人为标记” 与 “自然污渍”（如咖啡渍形状通常更不规则）。
非标准填涂（如超框、轻描） - 弹性阈值设定：根据填涂中心位置，允许标记超出框线一定范围（如框线外 5 像素内仍算有效）。
- 概率化判定：结合填涂位置、面积、浓度等多维度特征，给出 “有效概率”（如 80% 概率为有效标记），而非非黑即白的判断。
选票格式变更（如新版选票） - 动态模板配置：允许管理员导入新选票模板，自动更新 ROI 区域坐标与标记规则，无需修改底层算法。