Los hábitos de las partículas de nubes son un factor significativo que impacta los procesos microfísicos en las nubes. La identificación precisa de las formas de las partículas de nubes dentro de las nubes es un requisito fundamental para calcular varios parámetros microfísicos de las nubes. En este estudio, establecimos un conjunto de datos de imágenes de partículas de nubes que abarca nueve categorías de hábitos distintas, totalizando 8100 imágenes. Estas imágenes fueron capturadas utilizando tres sondas con diferentes resoluciones: el Cloud Particle Imager (CPI), la Two-Dimensional Stereo Probe (2D-S) y el High-Volume Precipitation Spectrometer (HVPS). Además, este estudio realiza un análisis comparativo de diez modelos diferentes de transferencia de aprendizaje (TL) basados en este conjunto de datos. Se encontró que el modelo VGG-16 exhibe la mayor precisión de clasificación, alcanzando el 97.90%. Este modelo también demuestra la mayor recuperación, precisión y medida F1. Los resultados indican que el modelo VGG-16 puede clasificar de manera confiable las formas de las partículas de cristales de hielo medidas tanto por los imagers de escaneo lineal (2D-S, HVPS) como por un imager de escaneo de área (CPI).