特征提取與判斷：識(shí)別選民的選擇意圖

根據(jù)選票標(biāo)記類(lèi)型（填涂、勾選、手寫(xiě)符號(hào)等），算法采用不同的特征提取策略：

（1）填涂標(biāo)記識(shí)別（常見(jiàn)場(chǎng)景）

面積占比法：計(jì)算填涂框內(nèi)黑色像素占比，超過(guò)閾值（如 30%-50%）則判定為有效選擇。

例：選民使用 2B 鉛筆填涂候選人 A 的方框，掃描后該區(qū)域黑色像素占比達(dá) 45%，算法判定為有效投票。

邊緣檢測(cè)法：通過(guò) Canny 或 Sobel 算子檢測(cè)填涂區(qū)域的邊緣輪廓，與標(biāo)準(zhǔn)填涂形狀（如矩形、圓形）比對(duì)，排除不規(guī)則標(biāo)記（如筆尖打滑形成的短線(xiàn)）。

濃度梯度分析：填涂越均勻的區(qū)域，灰度值分布越集中，算法可通過(guò)統(tǒng)計(jì)像素灰度方差來(lái)區(qū)分 “認(rèn)真填涂” 與 “輕微觸碰”。

（2）勾選或手寫(xiě)符號(hào)識(shí)別

形態(tài)學(xué)分析：通過(guò)膨脹、腐蝕等形態(tài)學(xué)運(yùn)算，將勾選符號(hào)（√）或手寫(xiě)標(biāo)記（如 “○”）轉(zhuǎn)換為標(biāo)準(zhǔn)形狀，再與預(yù)設(shè)模板匹配。

方向特征提?。簩?duì)于斜線(xiàn)標(biāo)記（如 “/”），計(jì)算像素分布的梯度方向，判斷是否符合 “勾選” 的典型角度（如 45° 或 135°）。

（3）異常標(biāo)記檢測(cè)

多選判定：同一候選區(qū)域內(nèi)檢測(cè)到多個(gè)標(biāo)記（如同時(shí)填涂?jī)蓚€(gè)候選人框），或單票標(biāo)記數(shù)超過(guò)規(guī)定（如總統(tǒng)選舉多選 1 人），則判定為無(wú)效票。

空白票識(shí)別：所有候選區(qū)域標(biāo)記面積均低于閾值，判定為未投票。

4. 結(jié)果驗(yàn)證與輸出：確保計(jì)數(shù)準(zhǔn)確性

重復(fù)校驗(yàn)：對(duì)關(guān)鍵標(biāo)記區(qū)域進(jìn)行多次掃描（如兩次獨(dú)立圖像采集），結(jié)果一致才確認(rèn)有效。

人工復(fù)核接口：對(duì)算法判定存疑的選票（如填涂面積接近閾值、標(biāo)記形狀模糊），生成圖像供選舉工作人員人工審核（如美國(guó)部分州要求對(duì) “爭(zhēng)議票” 進(jìn)行人工查驗(yàn)）。

數(shù)據(jù)輸出：將識(shí)別結(jié)果轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)（如候選人 ID、得票數(shù)），同步至中央數(shù)據(jù)庫(kù)或打印紙質(zhì)統(tǒng)計(jì)表。

選票預(yù)處理：通過(guò)紅外光源掃描選票，生成灰度圖像，同時(shí)檢測(cè)選票邊緣的定位孔（registration holes）以校準(zhǔn)位置。

區(qū)域劃分：根據(jù)選票模板，將圖像劃分為總統(tǒng)候選人區(qū)、參議員區(qū)、公投議題區(qū)等獨(dú)立 ROI。

填涂分析：對(duì)每個(gè)候選人對(duì)應(yīng)的橢圓填涂框，計(jì)算黑色像素占比，超過(guò) 35% 則判定為有效投票。

異常標(biāo)記處理：若同一總統(tǒng)候選人區(qū)檢測(cè)到 2 個(gè)及以上有效填涂，系統(tǒng)標(biāo)記為 “多選票”（overvote），該區(qū)域投票無(wú)效。

數(shù)據(jù)同步：每臺(tái)讀票機(jī)實(shí)時(shí)將計(jì)數(shù)結(jié)果通過(guò)加密網(wǎng)絡(luò)傳輸至選區(qū)服務(wù)器，同時(shí)保存原始圖像供事后審計(jì)（如 2020 年佐治亞州重新計(jì)票時(shí)，人工核對(duì)了掃描圖像與紙質(zhì)選票）。

軟件算法：從識(shí)別精度到防篡改機(jī)制

1. 多重校驗(yàn)算法架構(gòu)

重復(fù)掃描比對(duì)：對(duì)每張選票進(jìn)行至少 2 次獨(dú)立掃描（間隔 50ms），比對(duì)兩次圖像的像素差異，若標(biāo)記區(qū)域灰度值偏差超過(guò) 15%，則觸發(fā)第三次掃描并人工介入（如日本選舉法要求對(duì)爭(zhēng)議票進(jìn)行三次掃描）。

多特征融合判斷：結(jié)合填涂面積、邊緣輪廓、灰度梯度等多維度特征，采用加權(quán)投票機(jī)制（如面積占比權(quán)重 40%+ 邊緣匹配度權(quán)重 30%+ 濃度均勻性權(quán)重 30%），避免單一特征誤判（例：某區(qū)域面積達(dá)標(biāo)但邊緣鋸齒狀，可能被判為 “無(wú)意涂抹”）。

機(jī)器學(xué)習(xí)模型迭代：利用歷史選舉的有效 / 無(wú)效票數(shù)據(jù)（如美國(guó) EAC 公開(kāi)的選票數(shù)據(jù)集）訓(xùn)練 CNN 模型，對(duì)非標(biāo)準(zhǔn)標(biāo)記（如超框填涂、輕描標(biāo)記）的識(shí)別準(zhǔn)確率提升至 99.2% 以上。

2. 防篡改與數(shù)據(jù)完整性保護(hù)

哈希值校驗(yàn)：對(duì)每張選票的掃描圖像生成哈希值（如 SHA-256），存儲(chǔ)于區(qū)塊鏈節(jié)點(diǎn)或加密數(shù)據(jù)庫(kù)，任何圖像修改都會(huì)導(dǎo)致哈希值變更，可實(shí)時(shí)檢測(cè)數(shù)據(jù)篡改（如德國(guó)部分州采用區(qū)塊鏈存證選票圖像）。

軟件版本控制：讀票機(jī)操作系統(tǒng)與識(shí)別算法采用簽名固件更新機(jī)制，僅允許通過(guò)官方渠道推送的版本（附帶數(shù)字證書(shū)）安裝，防止惡意程序植入（如 2018 年美國(guó)佛羅里達(dá)州選舉前，對(duì)所有讀票機(jī)進(jìn)行固件哈希值比對(duì)，攔截 3 臺(tái)異常設(shè)備）。

爭(zhēng)議票處理機(jī)制

可視化復(fù)核界面：讀票機(jī)軟件提供選票圖像放大、灰度值可視化工具（如用熱力圖顯示填涂濃度），工作人員可手動(dòng)標(biāo)記 “有效”“無(wú)效” 或 “待確認(rèn)”（如加拿大聯(lián)邦選舉中，人工復(fù)核團(tuán)隊(duì)通過(guò)專(zhuān)用軟件處理爭(zhēng)議票）。

多輪仲裁流程：對(duì)人工復(fù)核仍存爭(zhēng)議的選票（如填涂面積剛好卡在閾值邊緣），由選區(qū)選舉委員會(huì) 3 名成員投票決定，需至少 2 票同意方可判定有效性。