Dalam menghadapi keterbatasan lahan dan sumber daya air, budidaya hidroponik melon semakin menjadi solusi yang menarik. Meskipun demikian, petani hidroponik sering kali menghadapi tantangan dalam pemantauan yang memengaruhi pertumbuhan tanaman. Sistem pemantauan berbasis komputer visi yang dikembangkan dalam proyek akhir ini betujuan untuk memberikan solusi monitoring pertumbuhan tanaman hidroponik melon dengan klasifikasi tingkat kematangan buah melon berdasarkan tekstur dan warna kulitnya. Data citra melon dikumpulkan melalui pengambilan gambar digital di kebun hidroponik Yayasan LEBIH Pasuruan dan kebun hidroponik SerPis Surabaya yang kemudian diproses menggunakan model Convolutional Neural Network (CNN). Berbagai model arsitektur diuji antara lain MobileNetV2, VGG16, DenseNet121, EfficientNetV2B0, InceptionResNetV2, dan ResNet50V2. Sistem ini diimplementasikan menggunakan RaspberryPi dan hasil klasifikasi dapat diakses melalui Aplikasi Mobile. Uji coba model CNN MobileNetV2 mendapatkan akurasi 96%, VGG16 akurasi 89%, DenseNet121 akurasi 97%, EfficientNetV2B0 akurasi 98%, InceptionResNetV2 akurasi 96%, dan ResNet50V2 akurasi 97%. Dengan adanya sistem ini, diharapkan dapat membantu untuk jadwal panen lebih tepat waktu.