Kualitas buah-buahan tropis sangat dipengaruhi oleh tingkat kematangannya yang saat ini masih banyak ditentukan secara manual dengan tingkat akurasi yang rendah. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis mobile vision untuk mendeteksi tingkat kematangan buah-buahan tropis (pisang, mangga, jeruk, jambu biji, dan tomat) secara otomatis menggunakan pendekatan Convolutional Neural Network (CNN) dengan fokus pada analisis warna RGB. Aplikasi ini dirancang untuk mengklasifikasikan buah menjadi tiga kategori: mental, mentah, dan matang, berdasarkan ekstraksi fitur warna dari citra buah. Metode yang digunakan meliputi pra-pemrosesan citra, pelatihan model CNN dengan dataset khusus, serta integrasi algoritma tambahan untuk meningkatkan akurasi. Hasil pengujian menunjukkan bahwa aplikasi mampu mencapai akurasi sekitar 80% dengan menggabungkan dua model CNN, yaitu color filtering (30%) dan Teachable Machine (70%). Aplikasi ini juga dilengkapi dengan fitur history untuk melacak hasil prediksi dan rekomendasi waktu panen. Dengan demikian, solusi ini dapat membantu petani dan industri buah dalam meningkatkan efisiensi sortasi dan mengurangi kerugian akibat kesalahan penanganan pasca panen.