针对激光超声技术在结构健康监测中由于采样位置的物理限制和环境噪声干扰导致波场数据不完整的问题，提出了一种基于物理信息神经网络（physics-informed neural networks， 简称PINNs）的方法，用于从有限的稀疏波场数据中重构完整的波场信息。首先，结合激光超声的物理特性，采用PINNs模型将波动方程作为物理约束嵌入神经网络中，通过将物理规律与数据驱动的模型相结合，实现对不完整波场的高精度重建；其次，通过设计有效的损失函数，对波动方程残差与采样数据的拟合误差进行优化，确保网络在低采样率下仍能准确捕捉到波场的特征。实验结果表明：在1%的采样率下，PINNs方法能够重建出完整波场，且重建精度达到91%以上；该方法在噪声干扰条件下也表现出了较强的鲁棒性，能够有效抑制噪声的影响，提高重建的精度。