1.一种应用前馈神经网络模型的耐热钢棒杂质识别系统，其特征在于，所述系统包括：

棒体切割机构，用于在耐热钢棒坯胎完成设定长度的生产后，对耐热钢棒坯胎执行切割以获得单件设定长度的耐热钢棒成品；

表面捕获机构，与所述棒体切割机构连接，用于在检测到所述棒体切割机构完成切割操作后，对切割获得的单件设定长度的耐热钢棒成品的表面执行画面捕获动作，以获得并输出相应的成品环境画面；

多级优化机构，与所述表面捕获机构连接且包括畸变校正设备、盒式滤波设备以及数据锐化设备，用于对接收到的成品环境画面连续执行畸变校正处理、盒式滤波处理以及空域微分法锐化处理，以获得并输出相应的多级优化画面；

第一解析器件，用于对前馈神经网络执行多次学习后以获得完成多次学习动作的前馈神经网络模型，所述多次学习对应的学习次数与接收到的多级优化画面的像素点数目成正比；

第二解析器件，与所述多级优化机构连接，用于提取耐热钢棒成品在接收到的多级优化画面中占据的各个像素点分别在YUV空间下的各个Y成分数值、各个U成分数值和各个V成分数值，以及获取耐热钢棒成品对应的Y成分上限数值、Y成分下限数值、U成分上限数值、U成分下限数值、V成分上限数值和V成分下限数值；

第三解析器件，分别与所述第一解析器件和所述第二解析器件连接，用于将耐热钢棒成品在接收到的多级优化画面中占据的各个像素点分别在YUV空间下的各个Y成分数值、各个U成分数值和各个V成分数值以及耐热钢棒成品对应的Y成分上限数值、Y成分下限数值、U成分上限数值、U成分下限数值、V成分上限数值和V成分下限数值一并输入到完成多次学习动作的前馈神经网络模型，并执行完成多次学习动作的前馈神经网络模型，以获得其输出的耐热钢棒成品的现场杂质存在等级；

其中，完成多次学习动作的前馈神经网络模型输出的耐热钢棒成品的现场杂质存在等级越高，表示耐热钢棒成品的表面杂质数量越多；

多级优化机构，与所述表面捕获机构连接且包括畸变校正设备、盒式滤波设备以及数据锐化设备，用于对接收到的成品环境画面连续执行畸变校正处理、盒式滤波处理以及空域微分法锐化处理，以获得并输出相应的多级优化画面包括：所述畸变校正设备、所述盒式滤波设备以及所述数据锐化设备分别对接收到的画面信号执行畸变校正处理、盒式滤波处理以及空域微分法锐化处理；

所述多级优化机构还包括并行数据总线，分别与所述畸变校正设备、所述盒式滤波设备以及所述数据锐化设备连接，用于实现所述畸变校正设备、所述盒式滤波设备以及所述数据锐化设备两两之间的并行数据通信。

2.如权利要求1所述的应用前馈神经网络模型的耐热钢棒杂质识别系统，其特征在于，所述系统还包括：

面积分析机构，分别与所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构连接，用于分别测量所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构各自的当前实时面积数值；

其中，面积分析机构，分别与所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构连接，用于分别测量所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构各自的当前实时面积数值包括：所述面积分析机构包括多个面积测量单元，用于分别与所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构连接，以完成对所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构各自的当前实时面积数值的分别测量。

3.如权利要求2所述的应用前馈神经网络模型的耐热钢棒杂质识别系统，其特征在于：

所述面积分析机构包括多个面积测量单元，用于分别与所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构连接，以完成对所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构各自的当前实时面积数值的分别测量包括：所述多个面积测量单元为多个视觉检测器，用于分别与所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构连接，以完成对所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构各自的当前实时面积数值的分别测量。

4.如权利要求3所述的应用前馈神经网络模型的耐热钢棒杂质识别系统，其特征在于：

所述多个面积测量单元为多个视觉检测器，用于分别与所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构连接，以完成对所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构各自的当前实时面积数值的分别测量包括：所述多个视觉检测器的结构相同。

5.如权利要求4所述的应用前馈神经网络模型的耐热钢棒杂质识别系统，其特征在于：

所述多个面积测量单元为多个视觉检测器，用于分别与所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构连接，以完成对所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构各自的当前实时面积数值的分别测量还包括：所述多个视觉检测器中的每一个包括平面摄像头。

6.如权利要求2‑5任一所述的应用前馈神经网络模型的耐热钢棒杂质识别系统，其特征在于，所述系统还包括：

信息存储器件，分别与所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构的多个面积测量单元连接，用于执行对所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构的实时状态参数的即时存储。

7.如权利要求6所述的应用前馈神经网络模型的耐热钢棒杂质识别系统，其特征在于：

信息存储器件，分别与所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构的多个面积测量单元连接，用于执行对所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构的实时状态参数的即时存储包括：所述信息存储器件为动态存储设备。

8.如权利要求6所述的应用前馈神经网络模型的耐热钢棒杂质识别系统，其特征在于：

信息存储器件，分别与所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构的多个面积测量单元连接，用于执行对所述第一解析器件、所述第二解析器件、所述第三解析器件以及所述多级优化机构的实时状态参数的即时存储包括：所述信息存储器件为TF存储卡。