粒子形状是不规则粒子测量中的一个重要参数，干涉粒子成像（IPI）技术已经被广泛应用于不规则粒子形状的表征，但目前仍然缺少从大量散斑数据中对不规则粒子形状进行快速分析的方法。基于DenseNet网络，本文提出了一种利用从IPI系统获取的离焦散斑对不规则粒子形状直接进行分类的方法，通过改进的模拟粒子系统建立包含超过7000张散斑数据的模拟冰晶粒子散斑数据集，在不同位深的情况下对共9种形状类别的冰晶粒子离焦散斑进行了网络训练和验证。实验结果表明，散斑数据集上的最高分类精度达到92.7%，同时在信息压缩比仅为12.5%的情况下形状分类精度仍超过85%。本文提出的方法对IPI测量中粒子形状的快速分析具有重要意义，并且可以实现测量散斑数据的低成本存储和高效率传输。