1.一种用于轨道列车的配件质量检测方法，其特征在于，所述方法包含以下步骤：
采集所述轨道列车上待检修配件的图像信息，并将所述图像信息上传至检测模型；
通过所述检测模型，对所述图像信息进行内容特征提取以及风格特征提取，通过所述待检修配件上的识别点判断所述待检修配件是否合格，得到质量检测结果。
2.如权利要求1所述的方法，其特征在于，所述方法还包含：构建所述检测模型，其中：
进行前期图片采集，通过图像采集设备，采集图片质量符合要求的多角度的配件图片信息；
对采集到的所述配件图片信息进行预处理，得到带有标签的图片训练集；
基于带有标签的图片训练集，对初始检测模型进行训练，得到具有深度学习框架的检测模型；
针对场景的变化衍生，对具有深度学习框架的检测模型进行迭代调优，得到所述检测模型。
3.如权利要求2所述的方法，其特征在于，得到所述配件图片信息的步骤中，还包含：
对采集到的图片进行筛选处理，其中，所述筛选处理包含：图像清晰度筛选以及关键点清晰度筛选；
将经过筛选处理后的图片进行分割处理，基于图像清晰度要求以及关键点清晰度要求分割为合格图片以及不合格图片，将所述合格图片作为所述配件图片信息。
4.如权利要求2所述的方法，其特征在于，得到带有标签的图片训练集的步骤中，还包含：
对所述配件图片信息进行约定标签处理，确定图片中的零件整体轮廓以及检测点位置；
对于经过预定标签处理的配件图片信息进行标签化处理，得到带有标签的图片训练集。
5.如权利要求2所述的方法，其特征在于，得到具有深度学习框架的检测模型的步骤中，还包含：
对带有标签的图片训练集进行数据清洗；
基于大数据框架，结合配件的检测角度范围构建初始检测模型；
基于经过数据清洗后的图片训练集，对所述初始检测模型进行深度学习训练，得到具有深度学习框架的检测模型。
6.如权利要求2所述的方法，其特征在于，对所述具有深度学习框架的检测模型进行迭代调优的步骤中，还包含：
在不同的场景下，分别对具有深度学习框架的检测模型进行调优处理，其中，所述场景包含不同的配件故障情况。
7.如权利要求1-6中任一项所述的方法，其特征在于，所述质量检测结果包含配件安装状态、卡控点状态以及错误类型。
8.如权利要求1-7中任一项所述的方法，其特征在于，进行配件质量检测的情况包含：检修人员进行配件更换任务后，审核人员进行人工审核后。
9.一种用于轨道列车的配件质量检测装置，其特征在于，所述装置包含：
采集模块，其用于采集所述轨道列车上待检修配件的图像信息，并将所述图像信息上传至检测模型；
检测模型，其配置为：
对所述图像信息进行内容特征提取以及风格特征提取，通过所述待检修配件上的识别点判断所述待检修配件是否合格，得到质量检测结果。