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。
机械计数读票机（Mechanical）
原理：通过机械结构（如齿轮、杠杆）统计选票数量，常见于早期手动投票机。
特点：
无需电力，成本极低，但效率低、易出错，已逐渐被淘汰。
图像预处理：优化原始扫描数据
灰度化处理：将彩色图像转换为灰度图，突出标记与背景的亮度差异（如铅笔填涂区域灰度值较低）。
二值化转换：通过设定阈值（如灰度值低于 128 视为标记），将图像转化为黑白二值图，简化后续计算（例：填涂框内黑色像素占比≥30% 视为有效标记）。
噪声过滤：利用中值滤波、高斯滤波等算法，消除纸张污渍、折叠阴影等干扰（如去除面积小于 10 像素的孤立黑点）。
几何校正：通过检测选票边缘的定位标记（如 registration marks），校正因传送歪斜导致的图像旋转或缩放，确保标记位置与预设模板对齐。
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）。