La predicción de los parámetros aerodinámicos de las aeronaves es crucial para el diseño de aeronaves, sin embargo, los métodos tradicionales de dinámica de fluidos computacional siguen siendo lentos y laboriosos. Este trabajo presenta un modelo novedoso, la red neuronal informada por la física mejorada con atención basada en información de imagen y estado (ISA-PINN), que mejora significativamente la precisión de la predicción. Nuestro modelo incorpora las siguientes innovaciones: el módulo de atención diseñado extrae dinámicamente características ocultas de los datos de patrones mientras se enfoca selectivamente en dimensiones relevantes de la información objetivo. Mientras tanto, el módulo de fusión de información de imagen combina características geométricas multiescala derivadas de imágenes de aeronaves para mejorar la precisión general de la predicción. Al incorporar ecuaciones aerodinámicas, el modelo mantiene la consistencia física mientras mejora la interpretabilidad. Experimentos extensos validan la efectividad de nuestro modelo para la predicción rápida de parámetros aerodinámicos de aeronaves, logrando una reducción significativa en el error de predicción que mejora el rendimiento en un 29.25% en RMSE y un 37.99% en MRE en comparación con los métodos existentes. Un aumento del 6.12% en el error en el conjunto de prueba confirma la robusta capacidad de generalización del modelo.