Tanto la mineralogía como la geoquímica de los residuos de las minas de carbón presentan desafíos ambientales y sociales, al mismo tiempo que ofrecen la posibilidad de recuperar metales, incluidos los materiales primas críticos (CRMs). Evaluar estos desafíos y oportunidades requiere estrategias efectivas de gestión de residuos y una caracterización material integral. Este estudio se ocupa de la integración de datos analíticos obtenidos de diversas tecnologías de sensores portátiles. Se utilizaron espectroscopía de reflexión infrarroja (cubriendo un amplio rango de longitudes de onda de 0.4 a 15 um) y fluorescencia de rayos X geoquímica (XRF) para diferenciar entre muestras pertenecientes a diversas litologías geológicas y cuantificar elementos de interés. Por lo tanto, desarrollamos un marco metodológico que abarca la integración de datos y técnicas de aprendizaje automático. El modelo desarrollado utilizando los datos infrarrojos predice la concentración de Sr con una precisión del modelo de R = 0.77 para el conjunto de datos de prueba; sin embargo, el rendimiento del modelo disminuyó al predecir otros elementos como Pb, Zn, Y y Th. A pesar de estas limitaciones, el enfoque demuestra un mejor rendimiento en la discriminación de materiales basados en composiciones mineralógicas y geoquímicas. En general, la metodología desarrollada permite una determinación rápida y en situ de la composición de los residuos de las minas de carbón, proporcionando información sobre la composición de los residuos que está directamente relacionada con el posible impacto ambiental y la posible recuperación de metales económicamente valiosos.