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。
为确保选举公正，读票机需具备以下技术与措施：
1. 防篡改与加密技术
数据传输加密（如 SSL/TLS 协议），防止中途篡改。
区块链技术应用：部分试点项目通过区块链记录选票数据，确保不可篡改（如西弗吉尼亚州区块链投票试验）。
2. 冗余与审计机制
纸质选票备份：电子读票机需配合纸质选票，供人工审计或系统故障时使用。
双重计数验证：部分系统采用两台读票机独立计数，结果一致才确认有效。
3. 抗干扰与稳定性设计
防电磁干扰：设备硬件需通过电磁兼容性（EMC）测试，避免外界信号干扰。
离线模式：支持断电或网络中断时离线计数，恢复后同步数据。
4. 用户验证与权限控制
操作员身份认证：仅授权人员可访问系统后台，操作记录全程留痕。
选票防伪：通过水印、荧光油墨等物理防伪技术，防止伪造选票。
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。
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。