条形码 / 二维码读票机
原理：选民通过填写或扫描条形码 / 二维码选票，机器读取编码后解析投票信息。
特点：
数据精度高，可存储更多信息（如选区、候选人编号）。
需提前印制带编码的选票，适合电子化程度较高的选举。
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。
软件算法：从识别精度到防篡改机制
1. 多重校验算法架构
重复扫描比对：对每张选票进行至少 2 次独立扫描（间隔 50ms），比对两次图像的像素差异，若标记区域灰度值偏差超过 15%，则触发第三次扫描并人工介入（如日本选举法要求对争议票进行三次扫描）。
多特征融合判断：结合填涂面积、边缘轮廓、灰度梯度等多维度特征，采用加权投票机制（如面积占比权重 40%+ 边缘匹配度权重 30%+ 浓度均匀性权重 30%），避免单一特征误判（例：某区域面积达标但边缘锯齿状，可能被判为 “无意涂抹”）。
机器学习模型迭代：利用历史选举的有效 / 无效票数据（如美国 EAC 公开的选票数据集）训练 CNN 模型，对非标准标记（如超框填涂、轻描标记）的识别准确率提升至 99.2% 以上。
2. 防篡改与数据完整性保护
哈希值校验：对每张选票的扫描图像生成哈希值（如 SHA-256），存储于区块链节点或加密数据库，任何图像修改都会导致哈希值变更，可实时检测数据篡改（如德国部分州采用区块链存证选票图像）。
软件版本控制：读票机操作系统与识别算法采用签名固件更新机制，仅允许通过官方渠道推送的版本（附带数字证书）安装，防止恶意程序植入（如 2018 年美国佛罗里达州选举前，对所有读票机进行固件哈希值比对，拦截 3 台异常设备）。
争议票处理机制
可视化复核界面：读票机软件提供选票图像放大、灰度值可视化工具（如用热力图显示填涂浓度），工作人员可手动标记 “有效”“无效” 或 “待确认”（如加拿大联邦选举中，人工复核团队通过专用软件处理争议票）。
多轮仲裁流程：对人工复核仍存争议的选票（如填涂面积刚好卡在阈值边缘），由选区选举委员会 3 名成员投票决定，需至少 2 票同意方可判定有效性。