现有基于深度学习的混凝土表面裂缝病害检测与识别模型未关注裂缝目标边缘关键特征学习，易导致在复杂背景下细微裂缝漏检以及裂缝病害宽度感知精度不高。针对此问题，提出将裂缝边缘作为目标关键特征进行感知学习，通过构建一种新的裂缝边缘预测分支网络，并与裂缝主干分割网络联合训练，形成一种基于双任务学习的裂缝检测与识别模型。利用Sobel边缘检测算子提取裂缝真值图中的边缘，作为裂缝边缘预测感知标记。通过通道卷积操作将原始裂缝识别网络的解码层划分为两条独立支路，一条支路用于完成裂缝主干分割任务，另一条支路则利用U-Net++网络解码器具有的聚合上下文功能，建立边缘预测分支网络。整个框架以正则化约束方式，将裂缝主干分割网络与裂缝边缘预测分支网络的损失函数联合训练，由此提高算法对裂缝病害的综合感知能力。通过选取一定数量的混凝土表面细微裂缝图像进行算法测试，实验结果表明本文算法在引入裂缝边缘预测增强感知模块后，在细微裂缝识别方面，取得了比FCN、U-Net及U-Net++网络更优的检测与识别效果。