Proses penetasan telur merupakan tahapan penting dalam pembibitan ayam, namun pemantauan kondisi internal telur selama inkubasi masih terbatas dan umumnya dilakukan secara manual. Metode tersebut berpotensi mengganggu kestabilan lingkungan inkubasi serta meningkatkan risiko kerusakan embrio. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pemantauan perkembangan embrio telur ayam berbasis citra in ovo menggunakan Convolutional Neural Network CNN. Sistem memanfaatkan citra internal telur yang diambil secara non invasif menggunakan kamera di dalam inkubator untuk mengklasifikasikan kondisi telur, meliputi fertil, infertil, kegagalan perkembangan, serta indikasi mendekati penetasan. Metode yang digunakan meliputi pengambilan data citra in ovo, preprocessing data berupa cropping menggunakan YOLO, remove background menggunakan pustaka rembg, dan resizing citra menjadi 224x244 piksel. Data kemudian dibagi menjadi data latih dan data uji dengan rasio 90 dan 10. Model CNN dibangun menggunakan beberapa lapisan, yaitu convolution, max pooling, dropout, flattening, dan fully connected, kemudian dilatih dengan 28 epoch dan batch size 32. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu mencapai akurasi sebesar 90,5 dengan tingkat kesalahan yang minimal berdasarkan confusion matrix. Pengujian manual menggunakan citra acak juga menunjukkan bahwa sistem mampu mengklasifikasikan kondisi telur dengan baik. Selain itu, model diintegrasikan ke dalam API berbasis Flask dan diimplementasikan pada aplikasi mobile menggunakan Flutter untuk memudahkan pemantauan oleh peternak secara real time tanpa mengganggu proses inkubasi.