这段代码如何利用多线程提高性能？

在这段代码中，为了提高性能并实现真正的并行计算，可以考虑在`while`循环内部使用`Task.Run`或者`Task.Factory.StartNew`来异步地启动每个模型的推理任务。这样，当`result_img1`和`result_info1`计算完成时，当前线程会继续执行下一个循环，而不是阻塞在单个模型的推理上。

例如，将`yoloModel1.AiDetect()`部分封装成一个单独的方法，然后像这样：

while (true)
{
    var task1 = Task.Run(() => yoloModel1.AiDetect(ori_img1, algVar_QP1, 1, out Bitmap result_img1, out List<DetectionResult> result_info1));
    var task2 = Task.Run(() => yoloModel2.AiDetect(ori_img2, algVar_QP2, 2, out _, out _)); // 可能不需要返回值，这里仅示例

    await Task.WhenAll(task1, task2); // 等待所有任务完成
    var detectTimes = new List<double> { task1.Result, task2.Result }; // 获取任务运行时间

    // 打印和记录检测时间
    foreach (var detectTime in detectTimes)
    {
        Console.WriteLine($"Thread 1: {detectTime}ms");
    }
}

这里我们创建了两个`Task`，它们会并发执行，使得模型的推理可以在不同的处理器核心上进行，提高了整体的运算速度。不过，需要注意的是，过多的任务可能会消耗大量系统资源，因此最好根据系统的实际硬件情况调整线程的数量。同时，还要确保有合适的同步机制来避免数据竞争。