El contenido de sulfuro de mercurio (HgS) en la cinabrio es un indicador central para la evaluación de la calidad. Para abordar los problemas de los métodos tradicionales que consumen mucho tiempo, destruyen la muestra y no satisfacen las necesidades de control rápido de calidad, este estudio combinó la difracción de rayos X (XRD) con algoritmos de aprendizaje automático multidimensional para construir un sistema de modelos predictivos que incluye regresión por mínimos cuadrados parciales (PLSR), bosque aleatorio (RF), regresión de vectores de soporte optimizada por enjambre de partículas (PSO-SVR), red de memoria a largo plazo (LSTM) y red neuronal convolucional unidimensional (1D-CNN). Se examinaron sistemáticamente varios métodos de preprocesamiento espectral y algoritmos de selección de características, y se introdujo el marco explicativo aditivo SHAP para interpretar la lógica de decisión del modelo. Los resultados mostraron que, después del preprocesamiento mediante transformación estándar de variable normal (SNV) y selección de características mediante muestreo adaptativo competitivo reponderado (CARS), los modelos PSO-SVR y LSTM obtuvieron el mejor desempeño general. Los coeficientes de determinación para los conjuntos de calibración y validación del modelo LSTM (R²C y R²V) fueron 0.9926 y 0.8794 respectivamente; los errores cuadráticos medios (RMSE_C y RMSE_V) fueron 0.1205 y 0.4115; y la desviación residual de predicción (RPD) alcanzó 2.8797; el modelo PSO-SVR mostró R²V de 0.8650, RMSE_V de 0.4354, y RPD de 2.7214. La validación externa con 10 lotes independientes superó R² de 0.80, confirmando buena capacidad de generalización y robustez del modelo. El análisis SHAP reveló además que la intensidad de difracción en los rangos 2θ = 24°~35° y 50°~60° constituyen las características esenciales para la toma de decisiones del modelo, en donde los ángulos de difracción clave identificados por el modelo, como 27.92° y 45.59°, se correlacionan positivamente con el contenido de HgS. Las decisiones algorítmicas están altamente alineadas con las características de difracción cristalina de HgS. La combinación de XRD con algoritmos inteligentes posibilita la predicción no destructiva, rápida y precisa del contenido de sulfuro de mercurio en la cinabrio, brindando soporte metodológico para la evaluación rápida de calidad de medicamentos minerales y la construcción de sistemas de control de calidad inteligentes.

Difracción de rayos X; Cinabrio; Sulfuro de mercurio; Red de memoria a largo plazo (LSTM); Regresión de vectores de soporte optimizada por enjambre de partículas (PSO-SVR); Detección rápida