针对路面裂缝分割模型难以同时兼顾分割精度与模型复杂度的问题，提出一种轻量化路面裂缝分割网络：分层多分支级联网络（Hierarchical Multi-Branch Cascade Network， HMBCNet）。根据特征图通道数与模型运算量之间的相关性，采用解耦下采样模块降低网络模型初期的运算量与参数量；利用特征提取中浅层形态信息与深层语义信息的差异性，分别设计多分支扩张模块与双分支反向残差模块对网络不同阶段进行特征提取，多分支的设计能够降低模型的复杂度，同时增强网络模型不同阶段的特征提取能力；通过级联多个子主干网络得到编码器，使特征提取模块的参数能够共享给特征融合模块，实现在不增加模型总参数量的条件下提高模型多尺度特征融合能力。在移动平台NVIDIA Jetson AGX Orin边缘设备上使用自建数据集与公开数据集（Crack500、DeepCrack537）进行试验，采用精确度、召回率、F_(1)分数、交并比以及准确性作为模型分割性能的评价指标，将参数量、运算量以及运行速度作为模型轻量化程度的评价指标，提出的HMBCNet模型与LightCrackNet以及其他7种具有代表性的模型进行对比。研究结果表明：在不同场景的数据集中，HMBCNet的分割精度均高于LightCrackNet与其他7种模型，并且大幅度降低参数量与运算量，参数量仅有1.44M，运算量为2.93GFLOPs，相较于LightCrackNet运算量降低63%，F_(1)分数提高1个百分点，在测试阶段平均每张图片的处理速度能够达到211ms，是一种有效兼顾精度与复杂度且能够应用在实际工程中的网络模型。