La medición de grietas en el concreto es importante para edificios de concreto. Los métodos de segmentación basados en aprendizaje profundo han logrado resultados de vanguardia. Sin embargo, el tamaño del modelo de estos modelos es extremadamente grande, lo que es imposible de usar en dispositivos portátiles de medición de grietas. Para abordar este problema, proponemos un modelo de segmentación de grietas en concreto ligero basado en la elección de características dispersas VIT (LTNet). En nuestro modelo propuesto, se utiliza una elección de características dispersas VIT (FSVIT) para reducir la complejidad computacional en VIT, así como para reducir el número de canales para las características de grietas. Además, proponemos un Módulo de Selección de Canal de Características (FCSM) para reducir las características del canal y suprimir la influencia de características interferentes. Finalmente, se utilizan convoluciones separables en profundidad para sustituir las convoluciones tradicionales para reducir aún más la complejidad computacional. Como resultado, el tamaño del modelo de nuestro LTNet es extremadamente pequeño. Los resultados experimentales muestran que nuestro LTNet podría lograr una precisión de 0,887, 0,817 y 0,693, y lograr un recuerdo de 0,882, 0,805 y 0,681 en tres conjuntos de datos, respectivamente, lo que es un 3-8% más alto que los algoritmos principales actuales. Sin embargo, el tamaño del modelo de nuestro LTNet es solo de 2 M.