O teor de sulfeto de mercúrio (HgS) no cinábrio é o indicador central para a avaliação da qualidade. Para enfrentar os problemas dos métodos tradicionais que consomem muito tempo, destroem a amostra e são incapazes de atender às necessidades de controle rápido de qualidade, este estudo combinou difração de raios X (XRD) com algoritmos de aprendizado de máquina multidimensionais, construindo um sistema de modelos preditivos incluindo regressão por mínimos quadrados parciais (PLSR), floresta aleatória (RF), regressão por vetores de suporte otimizada por enxame de partículas (PSO-SVR), rede de memória de longo curto prazo (LSTM) e rede neural convolucional unidimensional (1D-CNN). Foram examinados sistematicamente diversos métodos de pré-processamento espectral e algoritmos de seleção de características, e foi introduzido o framework explicativo aditivo SHAP para analisar a lógica de decisão dos modelos. Os resultados mostraram que, após o pré-processamento pela transformação de variáveis normais padrão (SNV) e seleção de características por amostragem adaptativa competitiva reponderada (CARS), os modelos PSO-SVR e LSTM apresentaram o melhor desempenho geral. O coeficiente de determinação para os conjuntos de calibração e validação do modelo LSTM (R²C e R²V) foi de 0,9926 e 0,8794, respectivamente; o erro quadrático médio (RMSE_C e RMSE_V) foi de 0,1205 e 0,4115; e a discrepância residual de previsão (RPD) alcançou 2,8797; o modelo PSO-SVR apresentou R²V de 0,8650, RMSE_V de 0,4354 e RPD de 2,7214. A validação externa com 10 lotes independentes teve R² superiores a 0,80, confirmando a boa capacidade de generalização e robustez do modelo. A análise SHAP revelou ainda que as intensidades de difração nas faixas de 2θ = 24°~35° e 50°~60° são características essenciais para a tomada de decisão do modelo, onde os ângulos de difração-chave identificados pelo modelo, como 27,92° e 45,59°, apresentam correlação positiva significativa com o teor de HgS. As decisões algorítmicas estão altamente alinhadas com as características de difração cristalina de HgS. A combinação de XRD com algoritmos inteligentes possibilita a previsão não destrutiva, rápida e precisa do teor de sulfeto de mercúrio no cinábrio, fornecendo suporte metodológico para a avaliação rápida da qualidade de medicamentos minerais e para a construção de sistemas inteligentes de controle de qualidade.

Difração de raios X; Cinábrio; Sulfeto de mercúrio; Rede de memória de longo curto prazo (LSTM); Regressão por vetores de suporte otimizada por enxame de partículas (PSO-SVR); Detecção rápida