1.一种基于高熵合金数据的快速计算处理方法，其特征在于，所述方法包括以下步骤：

将高熵合金涂层表面划分成多个采样圆，获取每个采样圆在多天内的昼、夜图像及其在多天内的昼、夜红外热成像，通过对采样圆对应的昼图像时间序列和夜图像时间序列及昼热成像时间序列和夜热成像时间序列进行计算，标记出所述高熵合金涂层表面上的待优化采样圆，具体为：计算每个采样圆的昼面锈变比向量的期望值作为该采样圆的昼面锈变值，计算每个采样圆的夜面锈变比向量的期望值作为该采样圆的夜面锈变值，计算每个采样圆的热面锈变比向量的期望值作为该采样圆的热面锈变值；

计算每个采样圆的昼面锈变值相对于全部采样圆的昼面锈变值的众数的比例值作为采样圆的昼面锈变实值，计算每个采样圆的夜面锈变值相对于全部采样圆的夜面锈变值的众数的比例值作为采样圆的夜面锈变实值，计算每个采样圆的热面锈变值相对于全部采样圆的热面锈变值的众数的比例值作为采样圆的热面锈变实值；

若存在有采样圆满足约束条件即该采样圆的昼面锈变实值大于其热面锈变实值并且有该采样圆的夜面锈变实值大于其热面锈变实值的，则将满足约束条件的采样圆标记为高熵合金涂层表面上的待优化采样圆；

其中，将每个采样圆在多天内的昼、夜图像及其在多天内的昼、夜红外热成像，按昼夜分开并以日期的时间顺序排序，得到每个采样圆对应的昼图像时间序列和夜图像时间序列、以及昼热成像时间序列和夜热成像时间序列；其中，昼图像时间序列中的元素称为昼图像，夜图像时间序列中的元素称为夜图像，昼热成像时间序列中的元素称为昼热成像，夜热成像时间序列中的元素称为夜热成像，每个采样圆在多天内的昼、夜图像及其在多天内的昼、夜红外热成像以图像矩阵的数据形式存储。

2.根据权利要求1所述的一种基于高熵合金数据的快速计算处理方法，其特征在于，在将高熵合金涂层表面划分成多个采样圆的过程中，采样圆之间允许存在重合面积，采样圆之间不存在重合的圆心，全部的采样圆能完全覆盖所述高熵合金涂层表面。

3.根据权利要求1所述的一种基于高熵合金数据的快速计算处理方法，其特征在于，根据每个采样圆对应的昼图像时间序列和夜图像时间序列，计算各采样圆的昼面锈变比向量和夜面锈变比向量：对每个采样圆对应的夜图像时间序列，除了其中首个夜图像外，计算其余的每个夜图像相对于所述首个夜图像的锈面征值比，作为该夜图像对应的夜面锈变比，而对所述首个夜图像，所述首个夜图像对应的夜面锈变比为所述首个夜图像相对于该采样圆对应的首个昼图像的锈面征值比，以每个采样圆对应的夜图像时间序列中各夜图像的夜面锈变比数值所得的数组作为该个采样圆的夜面锈变比向量，由此得到各采样圆的昼面锈变比向量和夜面锈变比向量。

4.根据权利要求3所述的一种基于高熵合金数据的快速计算处理方法，其特征在于，所述锈面征值比的计算方法为：所述锈面征值比为能用于一个图像矩阵相对于另一个图像矩阵中表示高熵合金涂层表面上发生的锈变程度变化的数值，所述锈面征值比为通过两个图像矩阵的数据特征计算所得。

5.根据权利要求1所述的一种基于高熵合金数据的快速计算处理方法，其特征在于，根据每个采样圆对应的昼热成像时间序列和夜热成像时间序列，计算热面锈变比向量：每个采样圆对应的昼热成像时间序列和夜热成像时间序列按维度相互对齐，计算采样圆对应的每天的夜热成像的特征值相对于同一天的昼热成像的特征值的比例值作为该采样圆当天的热面锈变比，该采样圆各天的热面锈变比组成的数组经过归一化后称为热面锈变比向量。

6.根据权利要求1、3至5中任一项所述的一种基于高熵合金数据的快速计算处理方法，其特征在于，对待优化采样圆进行防锈处理。

7.一种基于高熵合金数据的快速计算处理系统，其特征在于，所述一种基于高熵合金数据的快速计算处理系统运行于桌上型计算机、笔记本电脑或云端数据中心的任一计算设备中，所述计算设备包括：处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的一种基于高熵合金数据的快速计算处理方法中的步骤。